Система контролирует наличие более 300 деталей и уведомляет о недостающих вложениях до отгрузки.
ZeVision: компьютерное зрение для автоматизации визуального контроля
ZeVision — решение ZeBrains для автоматизации визуального контроля. Система распознаёт дефекты, маркировку, комплектность, материалы, перемещения и нарушения безопасности — и запускает нужную реакцию: от уведомления сотрудника до команды производственному оборудованию.
Производство
Добыча и переработка сырья
Пищевая промышленность
Логистика
- Используем действующие камеры, если их характеристик достаточно для задачи.
- Интегрируем решение с конвейерами, сортировщиками, манипуляторами и ИТ-системами.
- Внедряем под ключ: от предпроектной аналитики и PoC до масштабирования на предприятие.
CAM 04 · LINE A18:42:16 · LIVE
OK · 98.7%
DEFECT · 91.4%
MATCH · 97.2%
DEFECTLINE A · CAM 04
EVENT CREATED
Компьютерное зрение, которое влияет на производственный результат
Мы внедряем машинное (компьютерное) зрение в производстве, на конвейерных и сортировочных линиях, на складах, чтобы снижать ошибки, уменьшать убытки от некачественного сырья, ускорять операции, повышать качество продукции и управляемость процессов.
Модель анализирует изображения пробирок и определяет уровень гемолиза крови.
Сервис помогает находить посылки с утраченной маркировкой по фотографиям и архивным данным.
Собственная технология ZeBrains различает 11 типов материалов по мультиспектральным данным.
Показатели относятся к отдельным реализованным проектам. Результаты нового внедрения зависят от сценария, качества данных и условий эксплуатации.
Автоматизируем визуальный контроль там, где ручная проверка медленная, дорогая или нестабильная
Настраиваем сценарий под конкретный процесс, тип объектов, оборудование и требования к реакции системы.
01 / КАЧЕСТВО
Контроль качества и распознавание дефектов
Обнаруживаем в сырье и готовой продукции повреждения, включения, отклонения формы, цвета и геометрических параметров. Система фиксирует брак, классифицирует тип дефекта и может передать объект на отбраковку.
Примеры: царапины, трещины, сколы, неправильная форма, посторонние включения, дефекты сварного шва, отклонения цвета.
02 / УПАКОВКА
Контроль упаковки и маркировки
Распознаём текст, даты, штрихкоды, Data Matrix, маркировку Честного знака и другие элементы упаковки. Сверяем данные с эталоном или документами и указываем конкретное расхождение.
Примеры: отсутствие крышки, перекос этикетки, нечитаемая дата, неверный состав, неполная маркировка, нарушение целостности упаковки.
03 / КОМПЛЕКТНОСТЬ
Проверка комплектности сборки
Контролируем наличие деталей, вложений и элементов комплекта на промежуточных операциях и перед отгрузкой. При недостаче уведомляем ответственного сотрудника.
Примеры: сборка изделий, упаковка заказов, контроль компонентов на плате, проверка жгутов и комплектов поставки.
04 / СЫРЬЁ
Сортировка и классификация сырья и материалов
Определяем тип, размер, цвет, состояние и другие визуальные характеристики объектов. Выявляем дефекты и посторонние включения и передаём команду оператору или сортировочному оборудованию. Формируем отчет на основе полученных данных.
Примеры: сортировка руды, сырья, фруктов, пиломатериалов, металлов, отходов и вторсырья.
05 / УЧЁТ
Учёт, подсчёт и контроль перемещений
Подсчитываем объекты, фиксируем их перемещение и привязываем к локациям. Распознаём номера, маркировку и документы, контролируем поток товаров и сырья.
Примеры: контейнеры, паллеты, посылки, техника, объекты на складе и конвейере.
06 / БЕЗОПАСНОСТЬ НА ПРОИЗВОДСТВЕ
Промышленная безопасность и контроль регламентов
Определяем наличие СИЗ, вход человека в опасную зону без СИЗ и другие нарушения. Создаём запись об инциденте, назначаем критичность и направляем уведомление ответственным ролям.
Примеры: наличие каски, перчаток, спецодежды, нахождение у работающего оборудования, падение человека, запрещённые действия.
Сценарии ZeVision для разных отраслей
Начинаем не с универсальной модели, а с задачи предприятия: изучаем процесс, проверяем данные и подбираем технологию распознавания и оборудование под условия эксплуатации.
01 / ПРОИЗВОДСТВО
Промышленность и производство
Контроль качества, автоматическая дефектоскопия, проверка маркировки и комплектности, безопасность персонала и визуальный контроль производственных операций.
Примеры сценариев: контроль брака, контроль качества сырья, геометрические параметры, СИЗ, опасные зоны, отслеживание операций.
Обсудить производственную задачу ↗
02 / ДОБЫВАЮЩАЯ ОТРАСЛЬ
Добывающая промышленность и переработка сырья
Контролируем сырьё, оборудование и производственные операции с помощью компьютерного зрения и разных типов камер.
Примеры сценариев:
- оптическая сортировка руды и другого сырья;
- распознавание посторонних включений;
- классификация материалов и фракций;
- подсчёт и учёт сыпучих продуктов;
- контроль загрузки и перемещения сырья;
- выявление просыпей, заторов и отклонений на конвейере;
- контроль СИЗ и опасных зон.
03 / ПИЩЕВАЯ ОТРАСЛЬ
Пищевое производство
Автоматизируем контроль сырья, готовой продукции, упаковки и санитарных регламентов на производственной линии.
Примеры сценариев: сортировка сырья, дефекты продукции, посторонние предметы, форма и цвет, уровень наполнения, этикетки, крышки, вакуумная упаковка, контроль перчаток и санитарных операций.
Обсудить задачу пищевого производства ↗04 / МАШИНОСТРОИТЕЛЬНАЯ ОТРАСЛЬ
Машиностроение и сборочное производство
Снижаем влияние человеческого фактора при сборке, упаковке и контроле сложных многокомпонентных изделий.
Примеры сценариев: комплектность, наличие деталей, последовательность операций, геометрия изделия, дефекты поверхности, маркировка, финальный контроль перед отгрузкой.
Обсудить контроль сборки ↗05 / ФАРМАЦЕВТИЧЕСКАЯ ОТРАСЛЬ
Фармацевтическое производство
Контролируем качество продукции, упаковки, маркировки и соблюдение требований в чистых производственных зонах.
Примеры сценариев: заполнение блистеров, сколы и трещины ампул, уровень наполнения, цвет раствора, маркировка «Честный знак», срок годности, наличие перчаток и маски.
Обсудить задачу фармпроизводства ↗06 / ХРАНЕНИЕ И ЛОГИСТИКА
Логистика и складские комплексы
Распознаём и отслеживаем грузы, контейнеры, паллеты и технику, восстанавливаем маршрут объектов и контролируем операции на складе.
Примеры сценариев: поиск груза без маркировки, контроль позиционирования контейнеров, распознавание номеров и кодов, подсчёт, перемещение товаров, контроль комплектности заказа.
Обсудить задачу для логистики ↗Переработка отходов и вторсырья
Распознавание и сортировка материалов на конвейере. Есть готовая технология MarQus.
Строительство и инфраструктура
Контроль СИЗ и опасных зон, инспекция объектов, обнаружение дефектов и коррозии.
Ритейл и дистрибуция
Проверка этикеток при приёмке, контроль выкладки, подсчёт трафика и анализ очередей.
Медицина и лабораторная диагностика
Анализ изображений проб, распознавание результатов исследований и автоматизация лабораторного контроля.
Реальные проекты: от проверки гипотезы до внедрения в процесс
Показываем не только возможности технологии, но и конкретную производственную задачу, логику решения и измеримый результат.
Машиностроение и сборочное производство
Проверка комплектности сборки заказов
Задача
В отгруженных комплектах периодически отсутствовали необходимые детали. Изделие состояло более чем из 300 компонентов, поэтому ошибки ручной сборки приводили к дополнительной логистике, штрафам и простоям у клиентов.
Решение
Сервис компьютерного зрения распознаёт вложения в процессе упаковки и сразу уведомляет ответственного при обнаружении недостачи.
Результат
На 98% снижено количество ошибок при сборке заказов.
На 98% снижено количество ошибок при сборке заказов.
Логистика
Поиск грузов с утраченной маркировкой
Задача
Работникам склада требовалось идентифицировать грузы без опознавательных знаков по фотографиям с мобильных устройств, камер наблюдения и архивов.
Решение
Группа взаимосвязанных сервисов извлекает визуальные признаки, векторизует изображения и ищет совпадения в архиве глубиной до нескольких лет. Сотрудник получает несколько наиболее вероятных объектов и маршрут движения груза.
Результат
Точность распознавания негабаритного груза — более 87%, габаритного — около 70%.
Точность распознавания негабаритного груза — более 87%, габаритного — около 70%.
Ритейл и дистрибуция
Автоматическая проверка этикеток
Задача
Ручная проверка большого числа SKU при приёмке занимала много времени и не исключала пропущенных ошибок.
Решение
Система на базе OCR и визуальных языковых моделей извлекает с упаковки состав, БЖУ, срок годности, производителя и другие данные, сверяет их с документами и проверяет маркировку, штрихкоды, Data Matrix, EAC, ГОСТ и ТУ.
Результат
Проверка одной позиции сократилась с нескольких минут до секунд, количество пропущенных ошибок маркировки снизилось многократно.
Проверка одной позиции сократилась с нескольких минут до секунд, количество пропущенных ошибок маркировки снизилось многократно.
Переработка отходов и вторсырья
MarQus: автоматическая сортировка вторсырья
Задача
Автоматизировать сортировку вторсырья на конвейере, повысить точность распознавания материалов и увеличить количество извлекаемых полезных фракций.
Решение
ZeBrains разработала программно-аппаратную платформу MarQus. Система сочетает компьютерное зрение и собственную технологию Material Recognition на базе мультиспектральных данных: распознаёт и отслеживает объекты на конвейере, определяет материал и координаты, после чего передаёт команды роботам-манипуляторам для автоматической сортировки.
96%средняя точность распознавания
11типов материалов в 4 основных группах
до 94%точность захвата распознанного объекта манипулятором
+30%извлекаемых фракций по сравнению с другими способами автоматизации
223 000+размеченных изображений в собственном датасете
Пищевое производство
Анализ дефектов туш
90%+скрытого брака выявляется на этапе контроля
Задача
Автоматизировать контроль поверхностных дефектов — гематом и побитостей — на тушах свинины и сделать оценку качества поставок объективной.
Решение
Система компьютерного зрения анализирует туши в потоке с помощью двух камер, автоматически обнаруживает визуальные дефекты и фиксирует результат контроля по каждой единице продукции.
4–6%снижение переплат поставщикам
4–6 месяцевROI
Контроль посторонних включений в фарше
99%точность распознавания
Задача
Автоматизировать контроль мясного сырья и обнаруживать посторонние включения непосредственно в производственном потоке.
Решение
Система сочетает компьютерное зрение и мультиспектральный анализ. VNIR- и NIR-камеры помогают обнаруживать хрящи, кости, пластик, кровь и другие отклонения в сырье.
<1%ложных срабатываний
−95%брака
10–15%экономии сырья
+20%производительности
Контроль качества зачистки костей
Задача
Снизить потери продукта при обвалке и автоматизировать контроль костей с избыточными остатками мяса на конвейере.
Решение
Промышленные камеры передают видеопоток CV-модели. Система определяет процент остаточного мяса на каждой кости и уведомляет при превышении допустимого значения. Для разных анатомических типов используются собственные правила контроля, модель может дообучаться под новые партии сырья.
Объективный контрольОценка каждой кости вместо выборочной ручной проверки
Контроль потерьСистема определяет процент остаточного мяса
Данные для анализаСтатистика по сменам и партиям помогает находить источники отклонений
Собственная технология ZeBrains
MarQus — распознавание и сортировка материалов по мультиспектральным данным
Обычного изображения не всегда достаточно, чтобы уверенно различить материалы с похожим внешним видом. MarQus использует мультиспектральные данные объектов и помогает автоматизировать сортировку сырья и вторсырья на конвейере.
RGBMULTISPECTRAL
PETMATCH 97.6%
METALMATCH 96.9%
PAPERMATCH 95.8%
GLASSMATCH 94.7%
4 группы материаловПластик, металл, бумага и картон, стекло.
11 типов материаловPET, HDPE, LDPE, PS, PP, немагнитные и чёрные металлы, алюминий, фольга, бумага и картон, стекло.
96%Средняя точность распознавания.
Российское ПОРешение включено в реестр отечественного программного обеспечения.
MarQus можно использовать как готовую технологическую основу для задач сортировки отходов и вторсырья. Возможность применения для новых видов промышленного сырья и материалов проверяется отдельно на PoC.
Обсудить задачу сортировки материалов ↗От изображения до управляемого действия
ZeVision связывает распознавание с реальным производственным процессом: система не просто фиксирует объект или отклонение, а создаёт событие и запускает настроенную реакцию.
Получает данные
Камера, датчик, видеоархив или информационная система передаёт изображение и связанные данные.
Распознаёт
ИИ-модель определяет объект, материал, дефект, текст, действие или перемещение.
Проверяет правила
Платформа сопоставляет результат с допустимыми параметрами, эталонами и бизнес-правилами.
Создаёт событие
ZeVision назначает критичность, прикрепляет кадр или видеофрагмент и направляет уведомление ответственному.
Запускает реакцию и сохраняет данные
Система создаёт задачу, передаёт данные в ИТ-систему или команду оборудованию, а результат сохраняет для аналитики.
Платформа
Собираем конфигурацию ZeVision под конкретный сценарий
Платформа состоит из модулей, которые гибко настраиваются под задачу и могут быть дополнены нестандартным функционалом.
Recognition Engine
Подбирает технологию распознавания под сценарий: объекты, материалы, действия, трекинг, дефекты, лица или текст.
Dataset Framework
Помогает создавать и развивать датасет: загрузка эталонов, генерация синтетических изображений, детекция, классификация и формирование структурированного набора данных.
Camera & Equipment API
Подключает камеры, датчики, производственное оборудование и информационные системы.
Event & Alert module
Создаёт события по правилам, назначает критичность, формирует уведомления и контролирует обработку инцидента.
Data Storage
Хранит результаты распознавания, события, статусы обработки и версии датасетов; предоставляет данные для аналитики.
Administration Console
Веб-интерфейс для управления проектами, сценариями, моделями, пользователями, уведомлениями, хранилищем и статусами интеграций.
Встраиваем ZeVision в существующую инфраструктуру предприятия
Источники данных
Если характеристики действующих камер позволяют решить задачу, используем уже установленное оборудование. Для специфических условий подбираем отдельную конфигурацию.
Варианты:
- RGB и RGBD-камеры;
- мультиспектральные камеры;
- тепловизионные камеры;
- лидары;
- радары;
- комбинированные источники данных.
Производственное оборудование
Связываем распознавание с конвейерной лентой, манипуляторами, сортировщиками и другим оборудованием, чтобы создать непрерывную цепочку автоматизации.
Информационные системы
Передаём данные и события в ERP, MES, SCADA, CRM, service desk, мобильные приложения и другие системы предприятия.
Для работы в сложной видимости и агрессивной среде конфигурация источников данных определяется после аудита условий и проверки гипотезы.
Не просто распознаём — управляем реакцией на событие
Результат распознавания становится частью рабочего процесса. ZeVision создаёт событие, назначает ему критичность, направляет уведомление и сохраняет статус обработки.
- создание событий по настраиваемым правилам;
- уровни критичности;
- уведомления на email, в корпоративные мессенджеры, CRM, ERP и service desk;
- настройка SLA реакции;
- подтверждение обработки инцидента;
- прикрепление кадра, видеофрагмента и данных распознавания;
- аналитика по линиям, сменам, камерам и типам событий.
ZEVISION / EVENTSLIVE
Динамика нарушений
Статус обработки
Новые 12В работе 07Закрыты 46
6.8%процент брака
03:42скорость реакции
65событий за смену
Типы дефектов · процент брака · динамика нарушений · распределение событий по линиям, сменам и камерам · скорость реакции · статус обработки.
Внедряем под ключ — от оценки задачи до масштабирования
Начинаем с проверки применимости технологии и ожидаемого эффекта, а затем последовательно развиваем решение до промышленной эксплуатации.
Предпроектная аналитика
Проводим аудит процесса, изучаем условия съёмки и оборудование, проектируем архитектуру, оцениваем эффект и формируем техническую документацию.
PoC — проверка гипотезы
Готовим датасет, тестируем модели и оборудование, разрабатываем прототип и уточняем достижимые параметры.
MVP
Создаём первую версию продукта с базовым функционалом, запускаем тестовую эксплуатацию и дообучаем модели.
Масштабирование
Расширяем функциональность до целевого решения, интегрируем платформу с ИТ-контуром и оборудованием, переносим сценарий на дополнительные линии или площадки.
Поддержка и развитие
Проверяем достижение запланированных эффектов, обновляем модели и датасеты, дополняем функциональность и поддерживаем инфраструктуру.
При необходимости помогаем подобрать и закупить камеры и другое оборудование.Начать с оценки задачи ↗
Соединяем AI/ML-разработку с интеграцией в корпоративный ИТ-контур
Для промышленного проекта недостаточно обучить модель. Нужно связать её с данными, оборудованием, бизнес-правилами, ответственными сотрудниками и существующими системами предприятия. ZeBrains берёт на себя полный цикл работ.
AI/ML и заказная разработка
Разрабатываем сложные корпоративные решения, интеграции и нестандартную функциональность под процессы предприятия.
Опыт реальных CV-проектов
Реализовали сценарии для производства, логистики, ритейла и лабораторной диагностики.
В Рейтинге Рунета 2025 по проектированию AI-решений.
В Рейтинге Рунета 2026 по разработке и интеграции AI-решений.
Резиденты инновационного центра «Сколково».
Полный цикл
Предпроектная аналитика, PoC, MVP, интеграция, масштабирование, поддержка и развитие.
70 000+ человеко-часовосвободили клиентам с помощью ИИ-ассистентов
700 млн ₽сэкономили клиенту с помощью системы прогнозирования производства
Вопросы о внедрении компьютерного зрения
Можно ли использовать камеры, которые уже установлены на предприятии?
Да, если их разрешения, угла обзора, частоты кадров и условий съёмки достаточно для конкретного сценария. Это проверяется на этапе аудита и PoC. Для специальных задач можем подобрать RGBD-, тепловизионные, мультиспектральные камеры, лидары или комбинированную конфигурацию.
Что делать, если у нас мало размеченных изображений?
ZeVision включает инструменты подготовки датасета: загрузку эталонов, генерацию синтетических изображений, детекцию и классификацию объектов. Подход к данным определяется после изучения задачи; генерация не отменяет необходимость проверки на реальных данных.
С какой задачи лучше начинать?
С процесса, где есть понятная цена ошибки, повторяемая визуальная операция и возможность получить примеры нормальных и проблемных объектов. Обычно сначала проводится PoC на одном сценарии и ограниченном участке.
Как определяется точность распознавания?
На тестовой выборке и в условиях, максимально близких к реальной эксплуатации. Метрики, допустимый уровень ошибок и правила реакции фиксируются для конкретного сценария до масштабирования.
Может ли система автоматически остановить линию или отправить объект на отбраковку?
Да, если это предусмотрено архитектурой и безопасно для производственного процесса. ZeVision может передавать событие или команду оборудованию, но логика реакции согласовывается с предприятием и проверяется поэтапно.
Как сотрудники получают уведомления?
На email, в корпоративные мессенджеры, CRM, ERP, service desk или другой согласованный канал. К событию можно прикрепить кадр, видеофрагмент и данные распознавания.
Что происходит при появлении новых видов дефектов или продукции?
Датасет и модель обновляются, а версии моделей и сценариев управляются через платформу. Развитие модели входит в этап поддержки и развития системы.
Подходит ли ZeVision для добывающей промышленности?
Платформа может использоваться для сортировки сырья, выявления включений, учёта сыпучих материалов, контроля конвейера и промышленной безопасности. Применимость к конкретной руде, фракции и условиям проверяется на PoC.
Чем MarQus отличается от обычного распознавания по фотографии?
MarQus использует мультиспектральные данные, которые помогают различать материалы с похожим внешним видом. Текущая технология работает с 11 типами пластика, металлов, бумаги, картона и стекла.
Сколько занимает внедрение?
Срок зависит от задачи, доступности данных, необходимости закупки оборудования, числа интеграций и масштаба площадки. После предпроектной аналитики команда формирует этапы и оценку проекта.
Обсудить задачу
Расскажите нам о процессе на вашем предприятии
Опишите задачу, тип объектов и условия работы. Эксперты ZeBrains оценят применимость компьютерного зрения и предложат формат проверки гипотезы:
- предварительную оценку применимости технологии;
- перечень данных, необходимых для PoC;
- рекомендации по камерам и оборудованию;
- предложение по следующему этапу проекта.