Проект "Распознавание дефектов пиломатериалов"
задача: распознать 8 типов визуальных дефектов на досках
датасет: https://www.kaggle.com/datasets/nomihsa965/large-scale-image-dataset-of-wood-surface-defects
методы решения:
- сегментация/детекция объектов на изображении
- детектирование аномалий
- разработка микросервисного приложения, запускаемого на нескольких устройствах
- разработка графического интерфейса
технологический стек:
- pytorch, segmentation model pytorch, ultralytics, opencv, zeromq, pyqt
Практическое применение:
автоматизация производства клееного бруса

Предпосылки возникновения проекта. В технологическом процессе производства клееных изделий (погонаж, клееный брус, CLT-панель) есть стадия удаления дефектов пиломатериала. В настоящее время данная операция на большинстве производств осуществляется вручную: оператор производственной линии размечает дефекты специальным маркером, после чего заготовка передаётся в станок-оптимизатор, который распознаёт маркерную разметку и вырезает отмеченные дефекты.
Ожидаемый результат:
- промышленный прототип системы распознавания дефектов, аналогичный представленному на фотографиях ниже

куратор проекта
  • Калиниченко Михаил
    директор стартапа Neurolumber МЛ-инженер НПЦ Элвис
    внедрение решений в области компьютерного зрения в промышленные производства
Made on
Tilda