ГК «Доброфлот» — Машинное зрение и нейросети на рыбоконсервной линии

ГК «Доброфлот» внедрила инструменты машинного зрения и обработки данных с помощью нейросетей на производственной линии рыбных консервов. Проект охватывает четыре зоны автоматического контроля:

1. Участок разделки рыбы: нейросеть на архитектуре YOLOv8, обученная на детекцию тушек рыбы, считает количество обработанных рыб в режиме реального времени. Алгоритм присваивает каждой рыбе уникальный номер и отслеживает её через кадр, исключая двойной подсчёт. Данные о выработке автоматически передаются в 1С:Предприятие и формируют сводку смены.

2. Контроль качества шва консервной банки: оптический датчик подаёт сигнал смарт-камере Hikrobot, которая фиксирует снимок банки на выходе из закаточной машины (скорость линии — около 700 банок/мин). Нейросеть анализирует шов, измеряет параметры в пикселях, сравнивает с эталоном. При отклонении линия останавливается, брак сбрасывается автоматически.

3. Контроль геометрии банки перед набивкой: камера высокого разрешения фиксирует контуры банки и сравнивает с эталонной моделью; деформированные банки отбраковываются автоматически (скорость — 4 банки/сек).

4. Учёт готовой продукции: камера на финальной линии распознаёт штрихкоды с этикеток, данные попадают в 1С, формируется документ «Сводка за смену» и передаётся во ФГИС «Меркурий».

Разработана BI-модель для оперативной визуализации выпуска по сменам, дням и видам продукции.

Ручной контроль разделки, качества шва и геометрии банок на высокоскоростных производственных линиях был трудоёмким, неточным и не позволял отслеживать выработку в режиме реального времени. Данные о выпуске переносились вручную из бумажных журналов в 1С (около 1–1,5 часа за смену). Брак по шву обнаруживался после стерилизации — потери были значительными.

• Автоматизировать подсчёт обработанной рыбы и передачу данных в учётную систему

• Снизить долю бракованных банок за счёт онлайн-контроля качества шва и геометрии

• Ускорить учёт выпуска готовой продукции и передачу данных во ФГИС «Меркурий»

• Сформировать BI-аналитику по производительности смен

• Финансы

• Суммарная экономия — 2 млн руб. в год на одной производственной линии

• Снижение потерь от брака по шву и геометрии банки — 1,4 млн руб. в год

• Сокращение ФОТ (ввод данных в 1С и консультирование по расчёту зарплаты) — более 600 тыс. руб. в год

• Инвестиции в проект — около 900 тыс. руб. по четырём точкам контроля (около 230 тыс. руб. за точку) Время

• Время ввода данных о выработке сократилось в 6 раз: с ~1 часа до 10 минут за смену

• Время на консультирование сотрудников по расчёту зарплаты сократилось в 20 раз: с ~2 часов/день до 30 минут/неделю

• Подсчёт и перенос данных о выпуске продукции — с 1,5 часа до 20 минут за смену

• Учёт выпуска готовой продукции ускорился в 4 раза Качество и эффективность

• Количество бракованных банок по шву сократилось в 17 раз: с ~4 000 банок/мес. до ~320 банок/мес. (при выпуске 15 млн банок/мес.)

• Прогнозируемое сокращение брака по геометрии — в 12 раз: с 2 400 до 200 банок/мес. Нагрузка и масштаб

• 4 точки автоматизированного контроля на одной производственной линии

• ГК «Доброфлот» планирует масштабировать применение ИИ на другие участки и производственные линии Надёжность

• Нейросеть «помнит» каждую рыбу по уникальному номеру — двойной подсчёт исключён даже при перекрытии камеры

• Автоматическая остановка линии при обнаружении брака предотвращает дальнейший выпуск дефектной продукции Импортозамещение и compliance

• Интеграция с 1С:Предприятие и ФГИС «Меркурий»; данные о выпуске автоматически поступают в государственную систему ветеринарной сертификации Качественный эффект (если цифры не раскрыты): Данные о выработке выводятся на мониторах в местах общего доступа, что создаёт элемент геймификации и повышает мотивацию операторов. ROI по проекту — окупаемость менее года (900 тыс. руб. инвестиций против 2 млн руб./год экономии).