Модуль штучного інтелекту для візуальної інспекції

Лісогосподарське підприємство стикалося з постійними проблемами в управлінні точністю та цілісністю процесів візуальної інспекції, особливо в системі моніторингу транспорту. Існуючий алгоритм часто не міг правильно ідентифікувати транспортні засоби та номерні знаки, що підривало надійність даних, які збиралися. Особливо турбувала нездатність системи розпізнавати зображення, зняті з екранів, що часто є ознакою спроби шахрайства чи підробки.

Крім того, система мала труднощі з обробкою зображень різної якості, зроблених при різному освітленні та з непослідовних ракурсів. Ця варіативність додатково послаблювала ефективність інспекцій і створювала прогалини як технічного, так і процедурного характеру. Без надійної обробки та аналізу зображень можливість клієнта забезпечувати підзвітність та операційну прозорість була серйозно обмежена.

Для вирішення цих проблем було розроблено комплексне і перспективне рішення на базі штучного інтелекту. В основі системи використовувалися великі мультимодальні моделі (LMM), такі як LLaVA, phi4-multimodal і Mistral, що значно підвищило точність аналізу візуального контенту.

Серверна частина була створена з використанням Python та FastAPI, а MariaDB слугувала рішенням для зберігання даних. Для забезпечення масштабованості та продуктивності систему було спроєктовано з багатопотоковою обробкою, що дозволило ефективно керувати кількома завданнями одночасно.

Впроваджений модуль штучного інтелекту значно покращив ефективність процесів візуальної інспекції. Час, необхідний для обробки фотозвітів, скоротився більш ніж на 70%, що допомогло оптимізувати операційну діяльність. Автоматизація рутинних завдань також призвела до зменшення робочого навантаження на операторів.