Покрасочные камеры — один из самых рискованных участков производства: агрессивная среда, высокая температура, токсичные пары и постоянное присутствие человека рядом с роботизированным оборудованием. Любая ошибка или сбой в распознавании деталей может обернуться браком, простоем или угрозой безопасности. Чтобы решить эти задачи, компания Nord Clan создала систему машинного зрения ML Sense, которая научила покрасочную камеру видеть, понимать и действовать с инженерной точностью.

Исполнитель: Nord Clan

Период реализации: 2023–2025 годы

Технологии: машинное зрение, машинное обучение, промышленная автоматизация

Продукт: ML Sense

Постановка задачи

Производственное предприятие реализовало проект создания высокотехнологичной покрасочной камеры с использованием машинного зрения. Цель — автоматизировать процесс идентификации деталей и обеспечить безопасное взаимодействие между человеком и оборудованием.

Необходимо было разработать систему, которая:

• определяет тип и состояние детали перед покраской;
• выбирает и передаёт роботу подходящую программу обработки;
• контролирует присутствие человека в рабочей зоне, мгновенно останавливая процесс при нарушении безопасности.

Реализация проекта

Для решения этих задач была выбрана платформа ML Sense — отечественное ПО, внесенное в реестр Минцифры. Решение ориентировано на контроль качества на производствах с помощью машинного зрения и нейросетей.

Архитектура и оборудование

В покрасочной камере были установлены два модуля ML Sense. Первый отвечает за сканирование деталей и анализ состояния поверхности. Второй контролирует рабочую зону: при появлении оператора формируется блокирующий сигнал и световая индикация.

Для обеспечения надежной работы в условиях покрасочного производства была проведена серьезная инженерная работа по подбору и адаптации оборудования. Основное внимание уделялось защите компонентов системы от агрессивной среды, характеризующейся повышенной влажностью, запыленностью и наличием взрывоопасных смесей.

Особенности реализации:

• Камеры с защитой 1Ex db IIC T6 Gb X / Ex tb IIIC T80°C Db X (IP66/IP68), которые обеспечивают безопасную работу в зонах с повышенной взрывоопасностью. 
• Пневматические насадки НП-4 для защиты от загрязнений. Обеспечивают постоянный обдув стекол сжатым воздухом. Это предотвращает оседание лакокрасочных частиц и позволяет системе работать без перерывов на очистку.
• Серверное оборудование в защищенном шкафу. Поддерживает стабильный температурный режим, обеспечивает защиту от влажности и агрессивных сред, осуществляет фильтрацию воздуха, бесперебойное электропитание и защиту от вибраций.

Дополнительно все кабельные линии проложены в защитных металлорукавах, использованы материалы, устойчивые к химическим реагентам, установлены специальные уплотнения для защиты от проникновения краски, а также внедрена система дистанционного контроля состояния оборудования.

Изображение показывает, как устройство покрасочной камеры выглядит внутри. Камеры в кожухе с блендой обдува объектива установлены ближе к потолку. 

Сбор и подготовка датасета

Одним из самых трудоёмких этапов стала подготовка обучающего набора данных. Поскольку готовых изображений для таких деталей не существовало, команда Nord Clan организовала процесс фотосъёмки с нуля.

В камере был установлен поворотный стол, на который помещалась деталь. Стол совершал полный оборот на 360°, а камеры фиксировали каждый ракурс. Система управления цеха синхронизировалась с этим процессом: оператор по кнопке отмечал готовность, и система автоматически связывала изображение с кодом детали и её состоянием.

Система ML Sense была интегрирована с системой управления цеха. Оператор по нажатию кнопки отмечал готовность к съемке, после чего система переходила в режим фотофиксации. Такой подход позволял избежать ошибок в маркировке и обеспечивал корректную привязку данных к производственному процессу.

Для каждой из трех базовых деталей снимались все производственные состояния: до нанесения грунта, после грунтовки, после первого слоя краски и в ремонтном состоянии. Это позволяло системе обучаться распознаванию не только типа детали, но и этапа ее обработки, что было критически важно для выбора программы покраски.

После съемки команда вручную перебирала изображения, уточняла разметку и обучала модель. Этот процесс требовал значительных временных затрат, но позволял достичь высокой точности распознавания. 

В итоге был создан полноценный промышленный датасет, охватывающий все производственные сценарии. Такой подход позволил достичь точности распознавания в 99% и обеспечить надежную работу системы в реальных условиях. Каждое изображение в датасете было промаркировано с указанием типа детали, ее состояния и ракурса съемки, что делало его ценным ресурсом для дальнейшего развития системы.

Модель безопасности

Обеспечение безопасности персонала стало одной из критически важных задач проекта. Для этого была разработана и внедрена специализированная модель компьютерного зрения, способная в реальном времени обнаруживать присутствие человека в рабочей зоне покрасочной камеры.

Основой для обучения модели стал уникальный датасет, собранный непосредственно на производстве. В течение нескольких недель проводилась систематическая фотосъемка операторов в различных условиях: при разном освещении, в спецодежде, в характерных позах при выполнении типовых операций. Особое внимание уделялось съемке с разных ракурсов и дистанций, чтобы обеспечить надежное распознавание как при полном попадании оператора в кадр, так и при частичной видимости.

В результате, команде Nord Clan удалось построить систему, которая работает в режиме реального времени, анализируя каждый кадр видеопотока. При обнаружении человека модель немедленно формирует два типа сигналов: аварийный световой сигнал, видимый оператору, и цифровую команду для мгновенной остановки робота-манипулятора и прекращения процесса покраски. Время реакции системы составляет менее 0,5 секунды.

Важной особенностью реализации стало создание системы ложных срабатываний — модель игнорирует движение оборудования, теневые артефакты и изменения освещенности, что обеспечивает бесперебойную работу основного технологического процесса при сохранении высочайшего уровня безопасности.

Использованные технологии

В проекте применялись:

• платформа ML Sense как ядро системы машинного зрения;
• инженерные решения для защиты оптики и серверного оборудования в агрессивной среде;
• методика полуавтоматизированной фотосъёмки и синхронизации с системой управления;
• ручная разметка и обучение нейросетевых моделей;
• интеграция с системой управления цеха и роботом-манипулятором.

Результаты

Проект был завершен в августе 2025 года и стал первым примером в российской практике, когда интеллектуальная покрасочная камера была создана с нуля и полностью интегрирована в производственный процесс.

Система достигла точности распознавания порядка 99 %. Это позволило полностью автоматизировать выбор программы покраски для каждой детали. Интеграция с роботизированной установкой устранила ошибки и исключила вероятность брака. 

источник: Nord Clan