+
Компьютерное зрениеКонтроль качестваИнтернет-магазинСкладМаркировкаАвтоматизация

Автоматизация бизнес-процессов

ИИ‑контроль качества по фото

Система анализирует фото товаров, упаковки и работ: находит дефекты, сверяет комплектность, проверяет маркировку и передаёт проблемные случаи сотруднику до отгрузки или сдачи работ.

Фото товаров, упаковки и выполненных работ часто уже есть в бизнес-процессе — их делают кладовщики, контролёры, курьеры, сотрудники производства и менеджеры на объектах. Но ценность этих фотографий обычно ограничивается архивом «на всякий случай»: чтобы найти дефект или отсутствие детали, человеку всё равно нужно открывать и просматривать каждый кадр. На больших потоках проверка становится выборочной, а ошибки обнаруживаются после отгрузки, возврата или претензии клиента.

ИИ‑контроль качества по фото превращает поток изображений в управляемую проверку. Система сопоставляет снимок с заданным стандартом, выделяет отклонения, присваивает результат и передаёт сотруднику только те случаи, где нужно принять решение. Она не заменяет технолога или контролёра в нестандартных ситуациях — она снимает с команды повторяющуюся визуальную работу и даёт полную картину по качеству.

Система компьютерного зрения проверяет упаковку и маркировку на складе

Что умеет проверять компьютерное зрение

Набор проверок подбирается под ваш процесс. Для товаров это может быть наличие нужного предмета в кадре, цвет, форма, видимое повреждение, правильная комплектация, упаковка и читаемость маркировки. Для склада — заполненность ячеек, соответствие товара месту хранения, состояние коробок, соблюдение правил паллетирования. Для производства — наличие деталей, внешние дефекты, правильность сборки и выполнение обязательных этапов.

Система может работать в двух режимах. В первом она даёт быстрый итоговый статус: «соответствует», «есть отклонение», «нужно проверить вручную». Во втором — сохраняет более подробные признаки, чтобы собирать статистику: какие типы повреждений встречаются, в какой момент процесса и у какой товарной группы. Точная глубина анализа зависит от качества исходных снимков, ассортимента и согласованных критериев.

Примеры использования

Интернет-магазин: проверка заказа перед отправкой. Сотрудник кладёт собранный заказ в зону контроля и делает несколько фотографий: товар, комплект, вложения и готовую упаковку. ИИ сопоставляет снимки с составом заказа из CMS или WMS, проверяет наличие обязательных позиций, целостность коробки, наклеенную этикетку и читаемость штрихкода. Если на фото нет одного товара, видна вмятина или маркировка не соответствует заказу, отгрузка получает статус «проверить». Контролёр видит не весь поток, а конкретный заказ с подсвеченной причиной.

Склад: контроль приёмки и состояния хранения. При поступлении товара кладовщик фотографирует паллету или коробки. Система сверяет видимую маркировку, целостность упаковки и количество мест с данными поставки; при регулярной съёмке она также может фиксировать новые повреждения. В зоне хранения камера или мобильный обход показывает пустые ячейки, коробки вне отведённого места, нарушение правил штабелирования и повреждённую тару. Руководитель получает список задач по складу вместо ручного просмотра фотоотчётов.

Производство: финальный визуальный контроль изделия. Камера на участке делает снимок изделия перед упаковкой. ИИ проверяет наличие внешне видимых компонентов, правильность положения деталей, цветовую маркировку, сколы, царапины и деформации. Изделия с понятным отклонением уходят на доработку, а сомнительные случаи подтверждает ОТК. В отчёте можно увидеть, на какой операции и в какую смену чаще появляются проблемы.

Ритейл: соблюдение стандартов на полке. Сотрудник делает фото стеллажа по чек-листу. Система отмечает пустые места, отсутствие ценников, неверное расположение товаров или несоответствие планограмме. Фото с нарушениями попадают ответственному менеджеру точки, а региональный руководитель видит сводную динамику по магазинам.

Сервис, аренда и доставка: фиксация состояния объекта. До и после передачи сотрудник фотографирует оборудование, автомобиль, помещение или дорогостоящий товар. ИИ помогает обнаружить заметные новые повреждения и группирует кадры по объекту. Сотрудник принимает решение сам, но получает удобное сравнение и архив доказательств для работы с претензиями.

Как запускается решение

Начинаем с одной понятной проверки с измеримым эффектом — например, целостности упаковки перед отгрузкой или наличия ценника на полке. Собираем эталонные фото и реальные примеры отклонений, определяем требования к ракурсу и освещению, подключаем источник изображений. После тестового периода согласуем пороги уверенности: какие случаи система может закрывать автоматически, а какие всегда передавать контролёру.

Затем выводим результат в привычный рабочий контур: задачу в WMS или Битрикс24, статус в 1С, сообщение в рабочий чат или строку в таблице. Поэтому сотруднику не нужно осваивать отдельную сложную программу — он получает решение в той системе, где уже ведёт заказ или операцию.

Результат для бизнеса

Вместо выборочного контроля появляется полная и воспроизводимая проверка потока. Команда быстрее перехватывает ошибки, фото превращаются в доказательную базу, а руководитель видит не просто число дефектов, а их причины и динамику. Решение особенно эффективно там, где есть повторяющиеся визуальные стандарты и большой объём однотипных операций.

Стоимость запуска и сопровождения — от 40 000 ₽ в месяц. Она зависит от количества точек или камер, типов объектов, объёма фотографий, интеграций и сложности критериев контроля.

Как это работает

01

Определяем стандарт проверки

Вместе описываем, что считается нормой и нарушением: допустимый вид упаковки, комплектность, положение этикетки, читаемость штрихкода, типовые дефекты и критические ошибки.

02

Собираем эталоны и примеры

Загружаем фотографии корректных товаров и реальные примеры отклонений. При необходимости размечаем зоны: пломбу, угол коробки, артикул, маркировку, серийный номер или полку.

03

Подключаем поток изображений

Фото могут приходить с камеры на конвейере, из мобильного приложения сотрудника, общей папки, карточки заказа или производственной системы. Для каждого потока задаём собственные правила.

04

ИИ проверяет каждое фото

Система распознаёт объект, сравнивает его с эталоном и отмечает отклонения: повреждение, отсутствие части комплекта, неверную этикетку, пустое место на полке или нечитабельный код.

05

Маршрутизируем исключения

Если уверенность высокая — заказ или изделие получает статус. Если обнаружена проблема или кадра недостаточно, ответственному приходит задача с фото, выделенной зоной и причиной проверки.

06

Анализируем повторяющиеся причины

Руководитель видит, где и какие ошибки возникают чаще: у конкретного поставщика, на смене, участке упаковки, складе или категории товара. Это превращает фотоархив в инструмент улучшения процесса.

Преимущества

Проверка выполняется по единым правилам независимо от смены, склада или загруженности контролёра.
Проблема фиксируется до передачи товара клиенту, перевозчику или следующему производственному этапу.
У каждой ошибки остаётся доказательство: исходное фото, выделенная зона и зафиксированный статус.
Спорные случаи не скрываются: можно настроить обязательную ручную проверку при недостаточной уверенности модели.
Сотрудники тратят время на исключения, а не на однообразный просмотр тысяч однотипных фотографий.
Результаты можно передавать в WMS, 1С, CRM или таблицу — без ручного переноса статусов.
Аналитика выявляет системные причины брака, пересорта и повреждений, а не только единичные инциденты.

Никакого хайпа вокруг ИИ.
Только результаты.

Мы не обещаем чудеса. Мы доставляем измеримые результаты, которые напрямую влияют на вашу прибыль.

Обсудить проект

Стоимость

от 40 000 ₽/мес

Обсудить проект

Ответ в течение 2 часов

Ключевые параметры

Источники фотоКамеры, смартфоны, папки, API и CMS
Объекты проверкиТовары, упаковка, этикетки, полки и работы
ПроверкиДефекты, комплектность, штрихкоды, пломбы, эталоны
РезультатСтатус, причина, фото-доказательство и маршрут
ИнтеграцииWMS, CMS, 1С, CRM, таблицы и уведомления
КонтрольПорог уверенности и ручная верификация спорных случаев