В Донском государственном техническом университете создают систему компьютерного зрения для выявления дефектов в металлических деталях. Разработка студентов Detect Defect умеет находить трещины в муфтах и подшипниках быстрее и точнее человека.
Эта система сможет заменить на заводах контролеров качества. Она снимает детали во время движения по конвейеру, затем это видео анализирует нейросеть. Далее выносится вердикт, брак это или нет, и производится автоматическая сортировка.
Руководители проекта — студенты второго курса направлений «Математическое обеспечение и администрирование информационных систем» и «Информационная безопасность в вычислительных системах и сетях» Екатерина Солтовец и Марк Вернин. У них уже есть опыт в сфере машинного обучения и победы в хакатонах. Кроме того, в коллектив разработчиков входят студенты Марк Булгаров и Карен Карамян, а также опытные инженеры и научные сотрудники. Есть и инвестор — Южная фабрика стартапов.
«Я и мои друзья давно интересовались машинным обучением и воплощали этот интерес в практические результаты в коворкинге “Gаrаж” ДГТУ, — рассказывает Екатерина Солтовец. — Там мы столкнулись с проблемой от предприятия: в металлических муфтах нередко встречается характерный брак — трещины вдоль изделия. Затем пришла идея, позволяющая решить эту проблему с помощью компьютерного зрения».
Позже разработчики пришли к мысли, что это универсальное решение можно применить к большинству деталей, сопоставимых по габаритам. Их целью стала разработка и внедрение конвейерной системы с использованием нейросети. Предполагалось, что она будет автоматически отслеживать брак металлических изделий и повысит точность, скорость и надежность инспекций, что сделает промышленные процессы более безопасными и эффективными.
Уникальность проекта Detect Defect заключается в комплексном подходе: он предполагает не продажу программы, а разработку всей системы целиком, включая конвейер, а также подбор оборудования, в то время как конкуренты обычно предоставляют только софт. Кроме того, проект выигрывает по скорости и степени экономии.
«Мы не обещаем на начальном этапе точность на уровне рентгена. Но уже есть достойный пример для муфт. У проекта ДГТУ целевая точность 98%. И расчеты показывают, что выпуск качественной продукции при использовании нашей установки может серьезно вырасти — примерно на 3200 муфт в день. Экономия выходит под 100 тысяч рублей за смену. А стоимость самой системы колеблется от 400 тысяч до немногим более 1 млн рублей, если с доработками», — добавляет Екатерина Солтовец.
По словам заведующего кафедрой «Автоматизация производственных процессов» ДГТУ Александра Лукьянова, который создает критически важную систему проекта компьютерного зрения — конвейер, подобные системы диагностики имеют огромное значение.
«Разрыв или протечка копеечной муфты может вызвать большие последствия и значительные штрафные санкции для производителя. А использовать дорогостоящие традиционные методы дефектовки оказывается экономически невыгодно, — подчеркнул он. — Поэтому разрабатываемый проект будет востребован в реальном производстве».
Сейчас технологическая готовность разработки (TRL) имеет четвертый уровень: все компоненты системы проверены в лабораторных условиях, получен лабораторный образец. План реализации проекта рассчитан до конца 2025 года. Общий бюджет — примерно 7 млн рублей. За первые полгода разработчики планируют создать тестовый конвейер — прототип, собрать данные для нейросети и сделать минимально жизнеспособный продукт.
Проект реализуется в рамках программы Минобрнауки России «Приоритет-2030» (национальный проект «Молодежь и дети»).
