Descripción del proyecto
TraducidoTenemos una pequeña operación de fabricación y el control de calidad es actualmente completamente manual: un operador toma cada producto, lo gira bajo una lámpara y decide si es bueno o defectuoso. Las personas se cansan, la iluminación cambia a lo largo del turno, y hacia el final del día los defectos obvios comienzan a pasar desapercibidos. Necesitamos una aplicación basada en visión por computadora que observe la línea a través de una cámara y marque los defectos por sí misma, de modo que una persona solo confirme los casos disputados en lugar de verificar manualmente cada unidad desde cero.
La tarea es aplicar un modelo de CV entrenado al control de calidad en vivo, no solo etiquetar un conjunto de datos. La cámara debe capturar cada producto a medida que pasa, el modelo debe clasificarlo como bueno o defectuoso, y si es posible identificar el tipo de defecto: rayones en la superficie, piezas faltantes o instaladas incorrectamente, errores de impresión: etiquetas borrosas, desfasadas o defectuosas. Cada artículo rechazado necesita ser fotografiado, registrado con una marca de tiempo y categoría de defecto y mostrado en el panel de control para que el supervisor del turno vea el conteo de artículos buenos y defectuosos, la tasa de defectos a lo largo del tiempo y pueda abrir la imagen guardada de cualquier artículo marcado y verificar la decisión.
Proporcionaremos muestras de fotos de productos buenos y defectuosos para entrenamiento y ajuste, y estamos listos para discutir la elección de la cámara, la iluminación y el marco según su recomendación. Para nosotros es importante tener un pipeline funcional que realmente funcione en la tienda: captura de fotogramas confiable, umbrales razonables para no abrumarnos con falsos positivos, y un registro comprensible que pueda ser revisado. Por favor, describa cómo recogerá y etiquetará las imágenes de entrenamiento, qué arquitectura de modelo propone, cómo medirá la precisión y el recall en nuestras piezas y cómo se instalará y mantendrá la aplicación terminada por personal no técnico.
La tarea es aplicar un modelo de CV entrenado al control de calidad en vivo, no solo etiquetar un conjunto de datos. La cámara debe capturar cada producto a medida que pasa, el modelo debe clasificarlo como bueno o defectuoso, y si es posible identificar el tipo de defecto: rayones en la superficie, piezas faltantes o instaladas incorrectamente, errores de impresión: etiquetas borrosas, desfasadas o defectuosas. Cada artículo rechazado necesita ser fotografiado, registrado con una marca de tiempo y categoría de defecto y mostrado en el panel de control para que el supervisor del turno vea el conteo de artículos buenos y defectuosos, la tasa de defectos a lo largo del tiempo y pueda abrir la imagen guardada de cualquier artículo marcado y verificar la decisión.
Proporcionaremos muestras de fotos de productos buenos y defectuosos para entrenamiento y ajuste, y estamos listos para discutir la elección de la cámara, la iluminación y el marco según su recomendación. Para nosotros es importante tener un pipeline funcional que realmente funcione en la tienda: captura de fotogramas confiable, umbrales razonables para no abrumarnos con falsos positivos, y un registro comprensible que pueda ser revisado. Por favor, describa cómo recogerá y etiquetará las imágenes de entrenamiento, qué arquitectura de modelo propone, cómo medirá la precisión y el recall en nuestras piezas y cómo se instalará y mantendrá la aplicación terminada por personal no técnico.
Desarrollo de aplicaciones móviles Efectivo, Transferencia bancaria
