Контроль и измерение: машинное зрение для производства и автоматизация контроля качества

ГОСТ 16504-81 называет техническим контролем проверку того, соответствует ли объект установленным техническим требованиям. Контроль качества продукции стандарт определяет как контроль количественных и качественных характеристик её свойств. Камера или робот в этой схеме ничего не решают сами. Им задают допуски, а они сравнивают с ними каждую деталь.

Стандарт различает и способы контроля. По ним видно, что именно автоматизируют. Измерительный контроль ведут с применением средств измерений, а визуальный выполняют органами зрения человека. Машинное зрение переводит визуальный контроль в измерительный. Вместо впечатления контролёра появляется число, которое можно записать и сравнить с допуском.

Второе следствие касается охвата. Выборочный контроль проверяет часть партии, сплошной охватывает каждую единицу продукции. Человек на быстром конвейере устаёт и пропускает мелкие дефекты, поэтому там часто остаётся только выборка. Автоматическая станция делает сплошной контроль посильным, а когда данные о параметрах поступают без перерыва, контроль становится непрерывным в терминах того же стандарта.

В семействе восемь применений. Они различаются тем, что проверяют и каким датчиком, но устроены похоже: датчик получает изображение или сигнал, программа сравнивает его с эталоном, а результат уходит в управление линией. Чем они отличаются друг от друга, видно из таблицы.

Система машинного зрения строится вокруг цепочки «увидеть, распознать, принять решение, передать команду». Камера снимает участок линии, светодиодная подсветка делает кадр стабильным, а датчик задаёт момент съёмки, чтобы изделие оказалось в нужной точке конвейера. Объектив отвечает за масштаб, глубину резкости и геометрию изображения: неудачная оптика искажает размеры.

Дальше программа отделяет объект от фона, измеряет размеры, расстояния, углы, цветовые отклонения, целостность поверхности и сравнивает их с допустимыми значениями. Результат проверки передают в PLC, SCADA, MES или напрямую в роботизированную ячейку. Поэтому станция контроля почти всегда соседствует с исполнительным механизмом: отбраковщиком, заслонкой сортировки, роботом. Камеры, объективы и вычислители как оборудование разобраны на странице «система машинного зрения».

Чаще всего в этом семействе ищут дефекты прямо на линии. Для простой проверки, например диаметра детали, хватает правил и измерений, а сложные визуальные дефекты вроде царапин, неравномерной окраски и микротрещин требуют обученной модели. Подробно эту задачу разбирает страница «машинное зрение для контроля качества».

Пример из металлургии. В июле 2024 года «Северсталь» сообщила, что внедрила систему инспекции полосы собственной разработки на агрегате непрерывного горячего цинкования Череповецкого металлургического комбината. Нейросетевые модели в ней определяют и классифицируют отклонения качества поверхности разных видов проката. Система работает с цветными изображениями, а найденные дефекты видны онлайн, а не после выпуска продукции. Вся цифровая система управления качеством должна контролировать не менее 80 % когда-либо обнаруженных дефектов.

Камеры контроля стоят и внутри соседних семейств. Геометрию, маркировку или комплектность проверяют внутри процесса, без отдельного персонала. После операции, где идёт нанесение герметика роботом, камера смотрит на непрерывность валика. На участках, где работают маркировка и этикетирование, она читает код и проверяет этикетку, а при автоматизации упаковки считает, всё ли легло в короб.

Сортировка отличается от отбраковки тем, что изделия не делят на годные и брак, а распределяют по нескольким потокам: по сорту, размеру, цвету.

Отдельный случай — отходы. В Москве с ноября 2020 года на одном из мусороперерабатывающих комплексов в пилотном режиме работал роботизированный комплекс сортировки. Камера различала объекты на ленте по цвету и форме, нейросеть сопоставляла их с изображениями в памяти и передавала роботу команду взять предмет. На старте робот выделял всего две фракции, а к апрелю 2021 года распознавал 42. В первые дни испытаний он почти за час сортировал 160 предметов, весной 2021 года за то же время собирал свыше 1100. Технологию и её ограничения разбирает статья о том, как работает робот для сортировки мусора.

Плоской картинки мало, когда роботу нужно взять деталь из ящика, где она лежит навалом. Эту задачу решает bin picking: 3D-камера строит облако точек, программа находит деталь, которую можно взять, и передаёт роботу точку захвата.

Параметры такой камеры видно на примере Mech-Eye PRO M от Mech-Mind. Камера проецирует структурированный свет светодиодным проектором и работает на расстоянии 1000–2000 мм. Повторяемость по оси Z у неё 0,2 мм на дистанции 2 м, типичное время съёмки 0,3–0,6 с, корпус защищён по IP65. Производитель перечисляет задачи: bin picking, сортировку и отбор, паллетирование и депаллетирование, поиск положения деталей.

Та же оптика, закреплённая на роботе, становится измерительным инструментом. 3D-сканирование снимает форму детали целиком, и её сравнивают с цифровой моделью.

Координатные измерения традиционно ведут в измерительной лаборатории, куда деталь несут из цеха. Роботизированные оптические станции переносят часть измерений ближе к производству. Так, в линейке ZEISS есть компактная оптическая 3D-измерительная машина ScanBox Series 4 для деталей размером до 500 мм и мобильная измерительная станция ScanCobot с коллаборативным роботом. Старшая ScanBox Series 8 измеряет автомобиль целиком, снаружи и изнутри, менее чем за 30 минут.

Система ABIS III той же марки ищет на поверхности вмятины, выпуклости, утяжины, волнистость, царапины и следы давления. Здесь граница между измерением и контролем условна: станция получает облако точек, а годность детали решают допуски, записанные в программе контроля. Робот в такой схеме служит носителем датчика и переставляет его между точками съёмки.

ГОСТ Р 56542-2019 делит неразрушающий контроль на девять видов по физическому явлению: акустический, вихретоковый, магнитный, оптический, проникающими веществами, радиационный, радиоволновой, тепловой и электрический. Оптический вид основан на анализе взаимодействия оптического излучения с объектом контроля, так что проверка камерой по сути тоже неразрушающий контроль. В задачах неразрушающего контроля (NDT) робот ведёт датчик по поверхности крупной детали или вдоль шва, который оставила роботизированная сварка.

В конце сборочной линии готовое изделие проверяют в работе: нажимают кнопки, касаются сенсорных панелей, измеряют отклик. Такие испытания на роботизированном стенде называют EOL-тестированием. От семейства «Удалённая инспекция», куда входят роботы для обследования трубопроводов, контроль и измерение отличаются местом работы: на линии или в лаборатории, а не в трубе или резервуаре.

Применения семейства часто путают, потому что во всех есть камера. Проще начинать с вопроса, что именно нужно узнать о детали и что сделать с ответом.

По оценке VisionLabs, которую Forbes опубликовал в октябре 2025 года, российский рынок компьютерного зрения в 2024 году составил 22,6 млрд рублей. На промышленность из них пришлось 2,27 млрд рублей: там решения применяют для контроля дефектов, соблюдения регламентных операций и автоматического фотоконтроля. На 2025 год компания прогнозировала 25,76 млрд рублей, а к 2030 году ждёт 49,61 млрд при среднем росте 14 % в год.

Основной спрос пока создают видеонаблюдение, безопасный город и транспорт: вместе около 51 % выручки. Частные компании, по словам опрошенного Forbes эксперта, выбирают точечные внедрения, которые окупаются за один-два года, например контроль дефектов на производстве.

Машинное зрение внедряют так: сначала формулируют задачу, камеру выбирают потом. Заказчик и подрядчик сразу фиксируют измеримые критерии: допустимый процент ошибок, скорость обработки, ожидаемый экономический эффект. Затем инженеры изучают участок, то есть скорость линии, тип продукции, особенности поверхности, освещение и вибрации.

Когда оборудование подобрано, систему настраивают на изображениях разных партий продукции и испытывают на фактической скорости линии. В опытной эксплуатации она работает параллельно с действующим контролем, и в штатную работу её переводят, когда целевые показатели подтвердились.

На этом этапе стоит решить, кто будет перенастраивать систему. При смене упаковки, типа товара или освещения её нужно настраивать заново, а если это не заложено в бюджет и процессы, показатели станут менее стабильными. Как устроено внедрение машинного зрения под конкретную деталь, описано на странице услуги.

• Качество кадра решает всё. Даже дорогая камера не компенсирует плохо настроенную подсветку или вибрацию оборудования. Среду установки проектируют так же внимательно, как алгоритм.
• Перенастройка при смене продукции. Новая упаковка, другой товар или освещение требуют настраивать систему заново. Если на это нет бюджета и ответственного, показатели проседают.
• Лишняя сложность. Нейросеть там, где хватило бы измерения, увеличивает сроки и стоимость поддержки, а жёсткие правила там, где нужна обученная модель, дают ошибки.
• Камера видит только поверхность. Дефекты внутри материала и шва ищут другими видами неразрушающего контроля из ГОСТ Р 56542-2019.
• У 3D-камеры есть рабочая зона. Например, Mech-Eye PRO M рассчитана на 1000–2000 мм. Тару, которая в эту зону не помещается, снимают другой камерой или с нескольких точек.
• Цифры рынка — оценка одной компании. Данные о рынке компьютерного зрения посчитала VisionLabs за 2024 год, вместе с прогнозом, а показатели московского робота-сортировщика относятся к пилоту 2020–2021 годов.