АО «Птицефабрика „Чамзинская"» — CV-контроль качества мяса птицы на конвейере (ML Sense)

Птицефабрика «Чамзинская» внедрила систему автоматизированного контроля качества и сортировки мяса птицы ML Sense в цехе охлаждения. Ежедневный объём обрабатываемой продукции — около 7 000 тушек.

Техническое решение: Видеокамеры с разрешением до 16 384 px и частотой захвата до 200 KHz установлены по обеим сторонам конвейера для съёмки тушек с разных ракурсов. Встроенная нейросеть анализирует изображения, классифицирует дефекты (повреждения разного типа и размера) и автоматически принимает решение о сортировке. При обнаружении дефекта контроллеры передают сигнал на механический отбраковщик, который автоматически снимает некондиционную продукцию с конвейера без участия оператора.

Система интегрирована с MES (Manufacturing Execution System) — данные о дефектах передаются в реальном времени, формируются отчёты для управленческих решений. Интерфейс оператора построен на React, бэкенд — на Python. Всё оборудование изготовлено в корпусах из нержавеющей стали для соответствия санитарным нормам пищевого производства.

Обучение нейросети: Сделано 5 000 снимков куриных тушек на конвейере с ручной разметкой примеров дефектов, затем нейросеть обучена различать повреждения разного типа и размера.

Ручная отбраковка дефектной продукции была медленной, дорогостоящей и содержала человеческие ошибки. Потери от пропущенных дефектов составляли до 5% объёма производства. Большой штат контролёров качества создавал высокую нагрузку на ФОТ. Скорость сортировки ограничивала пропускную способность конвейера.

• Автоматизировать процесс сортировки и контроля качества мяса птицы

• Снизить потери от некондиционной продукции, попавшей в реализацию

• Сократить затраты на персонал контроля качества

• Повысить производительность конвейерной линии

• Финансы

• Сокращение затрат на ФОТ контролёров качества: -30%

• Снижение потерь от некондиционной продукции (ранее — до 5% объёма производства) Время

• Производительность конвейерной линии: +15–20%

• Анализ тушек — в реальном времени (доли секунды на тушку vs. задержка при ручном контроле) Качество и эффективность

• Точность распознавания дефектов: до 99%

• Автоматическая сортировка без участия оператора

• Передача данных о дефектах в MES в реальном времени → прозрачность процессов и аналитика Нагрузка и масштаб

• Оптимизация штата контролёров качества (снижение нагрузки на персонал)

• Масштаб: ~7 000 тушек в сутки, цех охлаждения птицефабрики Надёжность

• Нейросеть обучена на 5 000 размеченных снимках для устойчивой работы в разных условиях

• Оборудование в корпусах из нержавеющей стали — соответствие санитарным требованиям пищепрома

• Результаты не раскрыты публично (uptime/SLA) Импортозамещение и compliance

• Российская разработка ML Sense — технологическая независимость от зарубежных поставщиков CV-систем

• Соответствие требованиям ветеринарного и санитарного контроля (ГОСТ, технические регламенты ТС) Качественный эффект: Проект продемонстрировал применимость систем компьютерного зрения в жёстких условиях пищевого производства (высокая влажность, санитарные требования) и создал базу для дальнейшего расширения автоматизации контроля качества на птицефабрике в 2025 году.