Как платформа для тестирования Fplus «Спутник» помогает развивать экосистему отечественных ИТ-решений
Fplus Telco: компактный сервер для телекома
«Спутник NAS»: сервер для хранения «холодных» данных
Петр Городецкий, «Квадрант Технологий»: «Наша аналитика помогает формировать зрелый российский рынок ИТ»
Эмиль Надыров, InfoWatch: «Летняя школа преподавателей – наша инвестиция в развитие образования в сфере ИБ»
ЦБ
°
вторник, 20 января 2026

Студенты НГТУ НЭТИ создали систему машинного зрения для контроля качества и безопасности на производстве

В Новосибирском государственном техническом университете НЭТИ разработали отечественную систему машинного зрения AutoVisions, которая автоматически выявляет брак на линии, контролирует соблюдение техники безопасности и помогает предприятиям снижать потери, предотвращать аварии и повышать эффективность работы. Об этом пишет сайт ВУЗа.

Проект AutoVisions — межфакультетский, он объединяет студентов с компетенциями в IT-разработке, компьютерном зрении, промышленной автоматизации и управлении проектами. Команда проекта — Никита Дюбенков (факультет бизнеса), Артём Жидов (факультет автоматики и вычислительной техники), Макар Минарецкий (механико-технологический факультет), Владислав Сатаев, (факультет информационных технологий, НГУ). 

Перед разработчиками стояла задача создать промышленную систему машинного зрения для комплексного контроля производственных процессов. AutoVisions обеспечивает стабильный контроль качества продукции, мониторинг оборудования и соблюдение стандартов безопасности в реальном времени. Система интегрируется в существующую инфраструктуру без остановки производства. 

Решение построено как модульная экосистема и включает: N1 — усилитель сети AutoVisions на производствах, Apex — центр обработки данных с камер + Web-панель для управления — объединяет данные и интегрирует систему с оборудованием предприятия, INSIGHT — камера для детекции брака и контроля безопасности с ИИ-модулем. 

«Пример работы INSIGHT: камера отслеживает каждый объект, видеопоток анализируется двумя нейросетями. EfficientAd  выявляет отклонения от нормы с помощью тепловых карт, YoloV11  классифицирует дефекты: «норма», «вмятина», «трещина» и т. д.», — рассказал Никита Дюбенков

«Мы адаптируем систему под конкретного заказчика — для настройки достаточно фотографий качественной и поврежденной продукции. Прототип показал точность 94,87% по метрике AP50–95. Разработан сайт с лендингом и онлайн-магазином, ведется создание платформы для централизованного управления всей экосистемой», — отметил Артём Жидов

Команда успешно прошла акселерацию НГТУ Reactor Pro и подает заявки на гранты «Студенческий стартап» и «A:START». По словам разработчиков, два промышленных предприятия выразили готовность к пилотному внедрению системы.

 

Свежее по теме