Description du projet
TraduitNous avons une petite opération de fabrication et le contrôle qualité est actuellement complètement manuel : un opérateur prend chaque produit, le tourne sous une lampe et décide s'il est bon ou défectueux. Les gens se fatiguent, l'éclairage change tout au long du quart de travail, et vers la fin de la journée, des défauts évidents commencent à passer inaperçus. Nous avons besoin d'une application basée sur la vision par ordinateur qui examine la ligne à travers une caméra et marque les défauts elle-même afin qu'une personne ne confirme que les cas contestés plutôt que de vérifier manuellement chaque unité depuis le début.
La tâche consiste réellement à appliquer un modèle de CV entraîné au contrôle qualité en direct, pas seulement à étiqueter un ensemble de données. La caméra doit capturer chaque produit au fur et à mesure qu'il passe, le modèle doit le classer comme bon ou défectueux, et si possible identifier le type de défaut : rayures de surface, pièces manquantes ou mal installées, erreurs d'impression — étiquettes floues, décalées ou défectueuses. Chaque article rejeté doit être photographié, enregistré avec un horodatage et une catégorie de défaut et affiché sur le tableau de bord afin que le superviseur de quart puisse voir le nombre d'articles bons et défectueux, le taux de défauts au fil du temps et puisse ouvrir l'image sauvegardée de tout article marqué et vérifier la décision.
Nous fournirons des échantillons de photos de produits bons et défectueux pour l'entraînement et le réglage, et nous sommes prêts à discuter du choix de la caméra, de l'éclairage et du cadre selon votre recommandation. Pour nous, il est important d'avoir un pipeline fonctionnel qui fonctionnera réellement dans l'atelier : capture d'images fiable, seuils raisonnables pour ne pas être submergé par les faux positifs, et un journal compréhensible qui peut être examiné. Veuillez décrire comment vous allez collecter et étiqueter les images d'entraînement, quelle architecture de modèle vous proposez, comment vous mesurerez la précision et le rappel sur nos pièces et comment l'application finie sera installée et maintenue par du personnel non technique.
La tâche consiste réellement à appliquer un modèle de CV entraîné au contrôle qualité en direct, pas seulement à étiqueter un ensemble de données. La caméra doit capturer chaque produit au fur et à mesure qu'il passe, le modèle doit le classer comme bon ou défectueux, et si possible identifier le type de défaut : rayures de surface, pièces manquantes ou mal installées, erreurs d'impression — étiquettes floues, décalées ou défectueuses. Chaque article rejeté doit être photographié, enregistré avec un horodatage et une catégorie de défaut et affiché sur le tableau de bord afin que le superviseur de quart puisse voir le nombre d'articles bons et défectueux, le taux de défauts au fil du temps et puisse ouvrir l'image sauvegardée de tout article marqué et vérifier la décision.
Nous fournirons des échantillons de photos de produits bons et défectueux pour l'entraînement et le réglage, et nous sommes prêts à discuter du choix de la caméra, de l'éclairage et du cadre selon votre recommandation. Pour nous, il est important d'avoir un pipeline fonctionnel qui fonctionnera réellement dans l'atelier : capture d'images fiable, seuils raisonnables pour ne pas être submergé par les faux positifs, et un journal compréhensible qui peut être examiné. Veuillez décrire comment vous allez collecter et étiqueter les images d'entraînement, quelle architecture de modèle vous proposez, comment vous mesurerez la précision et le rappel sur nos pièces et comment l'application finie sera installée et maintenue par du personnel non technique.
Développement d'applications mobiles Espèces, Virement bancaire
