Визуальный контроль качества (ВИК) и автоматизация

Под одним словом «визуалка» на производстве прячутся две разные вещи. Их постоянно путают, а они про разное — и автоматизируются по-разному. Разберём, что такое визуальный контроль качества, где он буксует и что с этим делает машинное зрение.

Два разных ВИК

Когда сварщик говорит «прошли ВИК», и когда мастер на линии говорит «визуальный контроль» — это не одно и то же.

ВИК как метод неразрушающего контроля. Это формализованная процедура: осмотр сварных швов, отливок, металлоконструкций на трещины, поры, подрезы, непровары, несоответствие геометрии шва. Регламентирован стандартами, проводится аттестованным специалистом, часто с шаблонами сварщика, лупой, эндоскопом. Это первый и обязательный этап перед УЗК или рентгеном: если шов завален визуально, дальше его гнать нет смысла.

Визуальный контроль продукции на линии. Это проверка товара на потоке: правильная этикетка, нет скола, ровно закрыта крышка, та деталь стоит, читается дата. Никакого стандарта НК тут нет — есть требования к качеству продукта и контролёр, который смотрит.

Оба — про «смотрим глазами». Но первый ищет дефекты конструкции и безопасности, второй — товарный вид и комплектность. Машинное зрение помогает обоим, просто по-разному.

Как устроен ручной ВИК

В обоих случаях схема одна: человек, источник света, иногда оптика, и эталон в голове или на бумаге. Контролёр сравнивает то, что видит, с тем, как должно быть.

Для метода НК добавляются инструменты: универсальный шаблон сварщика для замера катета и зазора, лупа 4–10×, эндоскоп для внутренних поверхностей, иногда зеркало, чтобы заглянуть за угол. Результат заносится в журнал.

На линии всё проще и быстрее: глянул — пропустил или снял. Решение за секунды, потому что поток не ждёт.

И вот в этой простоте зарыта главная проблема.

Где ручной контроль буксует

Глаз — отличный сенсор, но у него есть пределы, и на производстве они вылезают быстро.

• Утомляемость внимания. Монотонный осмотр сотен одинаковых деталей вгоняет в транс. Через пару часов человек смотрит, но не видит. Это не лень — это нейрофизиология.
• Субъективность. «Допустимая риска» или «брак»? Два контролёра ответят по-разному, и один и тот же — в начале и в конце смены тоже по-разному.
• Нет следа. Решение принято и забыто. Не доказать клиенту, что деталь смотрели. Нет данных, чтобы понять, какой дефект самый частый.
• Скорость против внимательности. Хочешь быстрее — смотришь менее тщательно. Хочешь тщательно — тормозишь линию. Между этими полюсами человек мечется постоянно.
• Выборка. При большом потоке физически не получается проверить каждую единицу, и контроль становится выборочным. Брак между выборками уезжает дальше.

Для метода НК добавляется ещё дефицит аттестованных специалистов: их мало, они дорогие, и поставить такого на сплошной контроль каждого шва нереально.

Как машинное зрение автоматизирует визуальную инспекцию

Идея в лоб: то, что делает глаз, поручаем камере, а решение «годен/брак» — нейросети или алгоритму. Камера снимает объект, модель размечает дефекты и выдаёт вердикт.

Что меняется на практике:

• Контроль 100% потока, а не выборки. Камера успевает за конвейером и смотрит каждую единицу. Это главный сдвиг — не «качество проверки одной детали», а охват.
• Фиксированный порог. Граница «годен/брак» задана один раз и не плавает между сменами и людьми. Повторяемость — то, чего у человека нет в принципе.
• Цифровой след. Каждое решение — это снимок и метка в базе. Появляется статистика: какой дефект частит, на каком участке, в какую смену. Уже не «кажется, литьё барахлит», а конкретные цифры.
• Скорость. Десятки миллисекунд на единицу. Линию можно не тормозить под контроль.

Важно понимать границу. Для метода НК машинное зрение автоматизирует именно визуальную часть — поверхностные дефекты шва, геометрию, подрезы, видимые поры. То, что лежит внутри металла, остаётся за ультразвуком и рентгеном. Камера не отменяет дефектоскопию, она снимает с человека рутину сплошного визуального осмотра и оставляет специалиста для спорных случаев.

Та же технология обнаружения и классификации объектов в кадре работает и в смежных задачах — например, в распознавании номеров, где модель тоже находит объект, читает и проверяет его. А как ловят именно дефекты — разобрано в материале про обнаружение дефектов.

Что нужно для внедрения

Три кита. Без любого из них проект буксует.

Камера и оптика. Разрешение под размер минимального дефекта: если ищем риску 0,2 мм, камера должна её физически разрешать. Скорость кадра — под скорость линии. Часто подходят уже стоящие на производстве камеры, и контроль на производстве запускается поверх имеющегося железа без капитальной переделки.

Свет. Это не «лишь бы видно». Боковая подсветка проявляет рельеф и царапины, рассеянная убирает блики на глянце, контровая ловит контур и геометрию. Правильно поставленный свет делает половину работы ещё до модели. Плохой свет не вытянет ни одна нейросеть.

Датасет. Снимки годных и бракованных образцов. Несколько сотен на старте, дальше — добор по мере появления новых типов брака. Чем разнообразнее примеры дефектов, тем устойчивее модель. Это не разовая настройка: система дообучается, когда вылезает дефект, которого она раньше не видела.

И ещё одно, организационное: нужен эталон того, что считать браком. Пока инженеры спорят, годна ли деталь, модель обучить не на чем. Сначала договариваемся о критериях — потом автоматизируем.

Типичные результаты

Что получают на выходе, если проект сделан нормально:

• Переход от выборочного контроля к сплошному — проверяется каждая единица, а не каждая десятая.
• Снижение пропущенного брака в разы — просто потому, что меняется охват.
• Стабильная граница «годен/брак» без зависимости от смены, усталости и настроения.
• База снимков и статистика дефектов — основа, чтобы чинить не следствие, а причину на самой линии.
• Высвобождение людей с монотонной рутины на разбор спорных случаев и работу с причинами брака.

Визуальный контроль качества при этом не исчезает как дисциплина — он перестаёт держаться на внимании уставшего человека. Камера берёт на себя поток и очевидное, специалист остаётся для сложного. Это и есть здоровое разделение труда: машине — монотонность, человеку — решения.