Контроль качества по фото: что vision-модель реально может, а что нет — кейс автоматизации | Сделано
Пилот · Vision-модель + Telegram

Контроль качества по фото: что vision-модель реально может, а что нет

Прораб проверяет отделку глазами и по памяти, а нормативы приёмки лежат в справочнике, который на объекте никто не открывает. Собрал пилотный бот: фото стены — отчёт по чек-листу нормативов. Пилот показал и то, что работает, и то, где фотография физически не заменяет замер, — второе оказалось полезнее первого.

Подрядчик отделочных работ, ОАЭ
Фото → отчётпроверка по чек-листу нормативов прямо в Telegram, без справочника
Три вердиктасоответствует / нужно доснять / есть замечания — вместо «да-нет» вслепую
Честная границачто проверяется по фото, а что требует замера — разделено в самом продукте
Задача

Что болело

  • Критерии приёмки формализованы, но живут в справочнике: на объекте контроль держится на опыте конкретного прораба и его памяти.
  • Запрос звучал как «сфотографировал — получил вердикт», но часть критериев — миллиметровые допуски на просвет, вертикальность и неровности. По обычному фото они не проверяются ничем.
Что сделал

Решение по шагам

1

Нормативы превратил в чек-лист

Карточки требований по штукатурке разобраны в машинный чек-лист: модель проверяет фото пункт за пунктом и по каждому даёт вердикт с обоснованием, а не общее впечатление.

2

Два режима: как снимать и что вышло

Гид по съёмке подсказывает ракурс, боковую подсветку и эталон размера в кадре — от этого качество оценки зависит сильнее, чем от модели. Второй режим принимает серию фото и собирает по ней один отчёт.

3

Честно развёл проверяемое и измеряемое

После первого теста заказчика чек-лист разделён на то, что проверяется по фотографии, и то, что требует инструмента. Бот даёт вердикт по первому и список «что доснять» по второму — вместо сплошного «не могу оценить», которое выглядело как отказ работать.

PythonaiogramVision-модель (JSON mode)DockerHetzner

Результат

  • Пилот определил границу применимости: визуальные дефекты — трещины, выпуклости, просветы, чистоту работы — фото ловит, а миллиметровые допуски не ловит никакая модель. Это зафиксировано в продукте, а не замаскировано формулировками.
  • Негативный результат первого теста разобран по каждому кадру и превратился в переработку: трёхуровневый вердикт, обработка серии фото, детальный лог проверок.
  • Следующая ступень посчитана и обоснована: приложение с ARKit и фотометрическим стерео закрывает ровно то, что не закрывает фотография.
Бесплатный разбор

Хотите похожую автоматизацию?

Расскажите про свой процесс — где команда вручную сводит данные и следит за тем, что нельзя упустить. За 30 минут разберём и покажу, что можно поручить боту и AI. Без обязательств.

Нажимая «Отправить», вы соглашаетесь с политикой обработки данных.

Заявка отправлена

Спасибо! Свяжусь с вами в течение дня и предложу, что можно автоматизировать под вашу задачу.