Wizyjna kontrola jakości oparta na AI sprawdza każdy element na linii produkcyjnej, a nie tylko próbkę, i robi to według tych samych kryteriów na każdej zmianie. Model uczony na zdjęciach z Twojej linii działa przy kamerach, a trening i douczanie odbywają się centralnie, na serwerach GPU. Wyjaśniamy, jak taki system zbudować, jakiego sprzętu potrzebuje i gdzie projekty najczęściej się potykają.
Artykuł jest dla kierowników produkcji, jakości i IT/OT. Opisujemy architekturę niezależną od marki kamer i sterowników.
Problem: ręczna kontrola nie nadąża za linią
Kontroler jakości po kilku godzinach patrzenia na te same detale zaczyna przepuszczać wady. Dwie osoby inaczej oceniają ten sam przypadek graniczny. Przy szybkiej linii sprawdza się więc próbki, a wada, która pojawiła się między próbkami, trafia do klienta.
Klasyczne systemy wizyjne oparte na regułach (próg jasności, pomiar krawędzi) dobrze działają przy stałym oświetleniu i powtarzalnych detalach. Gorzej radzą sobie z naturalną zmiennością: fakturą drewna, odcieniem tkaniny, odblaskami na metalu. Tu przewagę mają modele uczone na przykładach.
Jak działa wizyjna kontrola jakości z AI
Klasyczne modele wizyjne uczone na Twoich zdjęciach
Podstawą są sieci konwolucyjne i modele detekcji obiektów, trenowane na zdjęciach z Twojej linii. Do wyboru są cztery typy zadań:
- klasyfikacja: OK albo NOK, ewentualnie klasa wady;
- detekcja: model zaznacza ramką, gdzie jest wada;
- segmentacja: dokładny obrys wady, przydatny, gdy liczy się jej powierzchnia;
- wykrywanie anomalii: model uczy się głównie na dobrych detalach i zgłasza wszystko, co od nich odbiega. To dobry wybór, gdy wady są rzadkie i trudno zebrać ich przykłady.
Takie modele są stosunkowo małe i szybkie, więc mogą działać bezpośrednio przy linii.
Modele wizyjno-językowe do opisu wad
Modele wizyjno-językowe (VLM) potrafią opisać zdjęcie słowami: „rysa ok. 2 cm przy lewej krawędzi, na powierzchni lakierowanej”. Przykładem jest Qwen3.8-27B, multimodalny model z licencją Apache 2.0 (stan na listopad 2026; rynek modeli zmienia się co miesiąc). VLM są większe i wolniejsze, więc nie nadają się do oceny każdej sztuki w takt linii. Sprawdzają się w raportach z reklamacji, wstępnym etykietowaniu zdjęć i odpowiadaniu na pytania typu „jakie wady dominowały na nocnej zmianie”.
| Podejście | Co daje | Gdzie działa |
|---|---|---|
| Klasyfikacja / detekcja / segmentacja | Decyzja OK/NOK w takt linii, lokalizacja wady | Przy linii (edge) |
| Wykrywanie anomalii | Wychwytuje nieznane wcześniej wady | Przy linii (edge) |
| Model wizyjno-językowy | Opis wady słowami, pomoc w etykietowaniu i raportach | Serwer GPU w serwerowni |
Edge czy serwerownia: gdzie uruchomić inferencję
Inferencja przy linii. Decyzja o odrzuceniu detalu musi zapaść w czasie taktu i nie może zależeć od łącza do serwerowni. Dlatego model produkcyjny działa na komputerze przemysłowym z GPU lub module edge (np. z rodziny NVIDIA Jetson) przy stanowisku z kamerą.
Trening centralnie. Trening i douczanie wymagają dużo pamięci GPU i mocy obliczeniowej, ale tylko okresowo. To zadanie dla serwera GPU w serwerowni. Zdjęcia warto trzymać w magazynie S3, z wersjonowaniem zbiorów danych.
Pętla douczania. Stanowisko przy linii odkłada przypadki niepewne (niska pewność modelu) i odrzucone. Trafiają one do etykietowania, potem do nowego treningu, a zweryfikowany model wraca na linię. Każda wersja modelu musi być opisana i możliwa do wycofania; o tym, jak to robić, piszemy we wpisie MLOps w praktyce.
Dane: zbieranie i etykietowanie zdjęć
- Stałe warunki zdjęć: oświetlenie, pozycja kamery i tło mają większy wpływ na wynik niż wybór architektury modelu.
- Dobre i złe detale: zbieraj obie grupy, z różnych partii, zmian i dostaw surowca.
- Instrukcja etykietowania: uzgodnij z działem jakości, co jest wadą, a co dopuszczalnym odchyleniem. Część zdjęć niech oznaczą niezależnie dwie osoby; rozbieżności pokażą, gdzie kryteria są niejasne.
- Podział danych: zbiór testowy wydziel według dni lub partii, a nie losowo. Losowy podział zawyża wyniki, bo prawie identyczne zdjęcia trafiają do treningu i testu.
- Wstępne etykiety: VLM lub wcześniejsza wersja modelu może proponować etykiety, ale decyzję podejmuje człowiek.
Integracja z MES i PLC oraz bezpieczeństwo OT
System wizyjny przekazuje wynik w dwie strony. Do sterownika PLC trafia decyzja OK/NOK, która uruchamia np. wypychacz, przez protokół obsługiwany przez Twoją linię (wejścia/wyjścia cyfrowe, OPC UA lub inny standard przemysłowy). Do systemu MES trafia pełny rekord: numer partii lub sztuki, klasa wady, pewność modelu i zdjęcie, co daje identyfikowalność przy reklamacjach.
Ustal z właścicielem procesu dwie rzeczy. Po pierwsze, co dzieje się przy awarii systemu wizyjnego: linia staje czy przechodzi na kontrolę ręczną. Po drugie, progi pewności: przypadki pośrednie powinny trafiać na stanowisko kontroli ręcznej, a nie być rozstrzygane przez model.
Bezpieczeństwo sieci OT
Komputery wizyjne działają w sieci produkcyjnej (OT), więc obowiązują te same zasady co dla innych urządzeń automatyki: segmentacja sieci, brak bezpośredniego dostępu do internetu, aktualizacje modeli przez kontrolowany kanał, zdalny dostęp tylko przez VPN z uwierzytelnianiem wieloskładnikowym. Jeśli kamery mogą uchwycić pracowników, ogranicz kadr lub rozmywaj twarze, bo to dane osobowe w rozumieniu RODO.
Część firm produkcyjnych podlega dyrektywie NIS2, zależnie od sektora i wielkości. Jeśli to Twój przypadek, system wizyjny podłączony do sieci OT powinien być ujęty w analizie ryzyka; pomagamy w tym w ramach audytu NIS2.
Wymagany sprzęt
| Zadanie | Sprzęt | Uwagi |
|---|---|---|
| Inferencja przy linii | Komputer przemysłowy z GPU lub moduł edge przy każdym stanowisku | Dobór zależy od rozdzielczości, liczby kamer i taktu |
| Pierwszy model, prototyp | Serwer z jedną kartą NVIDIA RTX PRO 6000 (96 GB GDDR7) | Wystarcza do treningu typowych modeli detekcji i do uruchomienia VLM |
| Wiele linii, częste douczanie, fine-tuning VLM | Serwer wielo-GPU, np. Supermicro 5U z maks. 8 kartami RTX PRO 6000 lub system MGX z 4 GPU | Kilka treningów równolegle, krótszy czas iteracji |
| VLM w serwerowni | RTX PRO 6000 96 GB | Qwen3.8-27B w BF16 to ok. 56 GB wag plus kontekst |
Porównanie kart znajdziesz w artykule jaki GPU do LLM w 2026. Serwer możesz wynająć w modelu GPU jako usługa albo kupić i postawić w naszej serwerowni. Jesteśmy partnerem Supermicro i NVIDIA, a serwery GPU działają w polskiej serwerowni Tier III z ISO 27001. Trening zwykle odbywa się w cyklach, więc wynajem bywa rozsądniejszy niż zakup.
Wdrożenie krok po kroku
- Wybierz jedno stanowisko i jeden typ wady, który generuje najwięcej reklamacji lub kosztów.
- Ustaw kamerę i oświetlenie, zbierz zdjęcia z kilku tygodni produkcji.
- Uzgodnij kryteria z działem jakości i oznacz dane.
- Wytrenuj model na serwerze GPU, sprawdź go na zbiorze z innych dni.
- Uruchom go przy linii w trybie cienia: model ocenia, decyduje dotychczasowa kontrola.
- Po porównaniu wyników podłącz decyzję do PLC i MES, z progami dla przypadków niepewnych.
- Uruchom pętlę douczania i monitoruj skuteczność po zmianach surowca lub narzędzi.
Najczęstsze pułapki
- Za mało zdjęć wad lub zdjęcia tylko z jednej partii.
- Zmiana oświetlenia, kamery lub ustawienia bez ponownej walidacji modelu.
- Ocena modelu wyłącznie na danych losowo wydzielonych z tego samego dnia.
- Brak planu na awarię systemu wizyjnego.
- Komputery wizyjne z dostępem do internetu „na chwilę, do aktualizacji”.
- Oczekiwanie, że model zastąpi dział jakości; realnie przejmuje powtarzalną ocenę, a ludzie przypadki graniczne.
FAQ: najczęściej zadawane pytania
Ile zdjęć potrzeba do wytrenowania modelu do wykrywania wad?
Zależy od zmienności detali i liczby klas wad. Przy rzadkich wadach warto zacząć od wykrywania anomalii, które uczy się głównie na dobrych detalach. Odpowiedź da test na zdjęciach z Twojej linii.
Czy wizyjna kontrola jakości wymaga połączenia z chmurą?
Nie. Inferencja działa przy linii, a trening może odbywać się na serwerze GPU w serwerowni w Polsce, połączonym z zakładem przez VPN.
Jaki serwer GPU do trenowania modeli wizyjnych?
Na start wystarcza serwer z jedną kartą RTX PRO 6000 96 GB. Przy wielu liniach i częstym douczaniu lepszy jest serwer z 4–8 kartami.
Czy da się połączyć system wizyjny AI z istniejącym PLC i MES?
Tak, zwykle przez standardowe wyjścia cyfrowe lub protokoły przemysłowe do PLC oraz API lub bazę danych do MES. Szczegóły zależą od Twojej automatyki.
Czy system wizyjny podlega NIS2?
Sam system nie, ale jeśli Twoja firma podlega NIS2, urządzenia w sieci OT powinny być objęte analizą ryzyka i zabezpieczeniami.
Pomożemy dobrać i uruchomić serwer do treningu modeli wizyjnych, w wynajmie lub z kolokacją, z administracją 24/7. Sprawdź serwery GPU albo skontaktuj się z nami, żeby omówić Twoją linię.