AI Vision.
Когда AI видит дефект, решение принимает человек.
Концепция интерфейса промышленной системы машинного зрения для визуального контроля качества. AI обнаруживает аномалии и классифицирует дефекты, а специалист ОТК оценивает контекст и выносит вердикт.
AI может ошибаться.
Производственный процесс — нет.
Машинное зрение способно многократно ускорить визуальный контроль изделий, но результат работы ML-модели никогда не бывает стопроцентно однозначным. В промышленности просто показать процент вероятности недостаточно — оператор должен понимать причину вывода и иметь инструменты для верификации.
Ложное срабатывание
Артефакт поверхности
Модель классифицирует технологический след механической обработки или блик смазки как трещину. Без ручной валидации возникает риск ошибочной отбраковки годных дорогостоящих деталей.
Неопределённость
Слабый оптический сигнал
Уверенность классификатора падает (60–75%) из-за сложной геометрии детали, недостаточного контраста или загрязнения. Автоматическое решение в таком пограничном состоянии недопустимо.
Критический дефект
Структурная угроза
Модель детектирует опасное повреждение (раковины литья, радиальные микротрещины). Система требует немедленной верификации специалистом и официального протоколирования брака.
Human-in-the-Loop:
Человек остаётся в контуре принятия решений.
Вместо «чёрного ящика» полной автоматизации в концепцию заложена симбиотическая модель: AI берёт на себя высокоскоростную обработку визуального потока и локализацию аномалий, а человек вносит инженерный контекст и персональную ответственность за выпуск партии.
Подтвердить дефект
Оператор проверяет обнаруженную аномалию и подтверждает тип дефекта. Изделие получает статус «Брак», формируется цифровой акт отбраковки с координатами дефекта.
Отклонить AI
Оператор определяет артефакт как допустимое состояние поверхности (ГОСТ / допуск). Изделие получает статус «Годен». Модель фиксирует прецедент ложного срабатывания.
Дополнительный контроль
При недостаточной визуальной информативности оператор отправляет изделие на смежную диагностику — профилометрию, УЗК или вихретоковый контроль.
От обнаружения дефекта до решения оператора
Вместо перегруженного аналитического дашборда интерфейс собран вокруг конкретного физического изделия на оптическом столе и последовательного процесса валидации.
Оптический стол
Центральная область прямого взаимодействия с макроснимком детали в высоком разрешении.
- Координатная сетка с шагом 10 мм
- Bounding boxes найденных дефектов
- Оптическая лупа 3× для исследования микроструктуры
- Тепловая карта активации нейросети (CAM)
- Зум 100%–300% с панорамированием
AI-анализ
Структурированная доказательная база от системы компьютерного зрения.
- Тип обнаруженного дефекта по ТУ
- Доверительная вероятность модели (%)
- Точные координаты X / Y и площадь области
- Категория критичности (Low / Critical)
- Рекомендованное действие алгоритма
Панель решений
Фокусная зона фиксации вердикта оператора без переходов по вложенным меню.
- Три контрастные однозначные кнопки
- Горячие клавиши [1], [2], [3] для темпа смены
- Модальное подтверждение для брака
- Мгновенная запись решения в журнал аудита
- Переход к следующему изделию в очереди
Интерактивный прототип
Не статичный макет, а функционирующая модель рабочего пространства с шестью взаимосвязанными разделами: мониторинг смены, рабочее место ОТК, очередь изделий, история инспекций, аналитика и настройки.
* Интерактивность прототипа построена на локальном клиентском состоянии (React Context), симуляции телеметрии и демонстрационных датасетах деталей. Подключение к реальному ML-инференсу и промышленным камерам отсутствует.
Status: Ready for Field PilotЧетыре ситуации, проверяющие логику продукта.
Продуманность операторского интерфейса подтверждается на пограничных случаях. В прототип заложены 4 характерных состояния производственной линии.
Фланец ЧПУ-F12
AI обнаруживает радиальную микротрещину. Доверительный интервал модели — 98,4%.
Корпус редуктора AL-80
Модель принимает технологический след на литье за трещину. Уверенность — 74,2%.
Шестерня Z-34
Уверенность модели — 61,8%. Причина: недостаточная информативность оптического снимка зуба.
Фланец ЧПУ-F12
Демонстрационный сценарий изделия без геометрических дефектов и следов каверн.
Интерфейс для принятия решений, а не для демонстрации технологий.
Промышленные операторы работают в условиях высокой зрительной нагрузки и ответственности. Дизайн-система исключает визуальный шум и фокусирует внимание на доказательствах.
AI не заменяет человека
Алгоритм выступает аналитическим ассистентом, формируя доказательную базу. Ответственность за статус всегда закреплена за инспектором.
Доказательность вывода
Снимок детали и пространственная локализация аномалии всегда первичны по отношению к абстрактным процентам классификатора.
Очевидность действий
Три целевых действия имеют четкую цветовую семантику, постоянное место на экране и поддержку аппаратных горячих клавиш.
Полная прослеживаемость
Каждый клик, изменение статуса и отклонение рекомендации AI фиксируются в неизменяемом журнале с возможностью выгрузки в CSV/ERP.
Читаемость при бликах
Графитовая контрастная палитра, моноширинный набор числовых данных (JetBrains Mono) и нулевой уровень декоративного шума.
Мультиформ-фактор
Сохранение математической точности координат дефекта на стационарном терминале, цеховом планшете и смартфоне мастера смены.
Спроектировать доверие между человеком и машиной.
Кейс AI Vision демонстрирует концепцию интерфейса, в котором компьютерное зрение становится естественным продолжением рабочего процесса оператора ОТК. Главная задача UX здесь — не просто визуализировать детекцию модели, а предоставить специалисту надежные инструменты верификации, осознанного решения и фиксации ответственности.
Product Designer · Industrial AI · Enterprise UX · Human-in-the-Loop