Назад до блогу
Комп'ютерний зір13 хв читання

Проблема навчальних даних у промисловому комп'ютерному зорі: мало прикладів, висока ціна помилки

Чому промисловий CV не може покладатися на публічні датасети, як дефіцит даних і зміна умов підривають точність моделей, і які підходи дійсно працюють.

S

Serhiy Andrejev

Lead Machine Learning Developer

Промисловий комп'ютерний зір працює в умовах обмежень, які академічні бенчмарки ніколи не відображають. Дефекти трапляються рідко, анотація вимагає галузевої експертизи, а кожен пропущений випадок виявлення несе вимірювані фінансові втрати. Ця стаття досліджує, чому проблема навчальних даних залишається центральною перешкодою для надійного впровадження CV у виробництві — і які підходи до її вирішення досягли достатньої зрілості для використання у продуктивних системах.

Вступ: промисловий CV — це не ImageNet

Нещодавнє поширення попередньо навчених моделей зору та загальнодоступних датасетів створило хибне враження, що комп'ютерний зір є розв'язаною проблемою. У світі академічних досліджень та споживчих застосунків така оцінка має певні підстави. ImageNet пропонує понад 14 мільйонів анотованих зображень. Датасет COCO надає сотні тисяч розмічених екземплярів у 80 категоріях об'єктів. Базові моделі, навчені на мільярдах зображень з вебу, здатні класифікувати, сегментувати та описувати візуальний контент із надзвичайною точністю.

Промислове виробництво існує у принципово іншій реальності. Коли підприємство харчової промисловості потребує виявляти забруднення на конвеєрній стрічці, або металообробний завод мусить ідентифікувати мікротріщини на оброблених поверхнях, доступні навчальні дані вимірюються не мільйонами, а десятками — іноді одиницями. Датасет MVTec AD, який широко визнаний стандартним бенчмарком для промислового виявлення аномалій, містить лише трохи більше 5 000 зображень у 15 категоріях, при цьому дефектні зразки становлять незначну частку кожної категорії [1]. Нещодавно опублікований MVTec AD 2, розроблений для вирішення проблеми насичення продуктивності на оригінальному бенчмарку, демонструє, що найсучасніші методи досягають менше 60% середнього AU-PRO на більш реалістичних промислових сценаріях [1].

Цей розрив між академічними можливостями та промисловою реальністю — це не просто незручність. За даними Deloitte, витрати, пов'язані з якістю, можуть становити до 20% загального обсягу продажів компанії, при цьому приблизно 68% цих витрат спрямовуються на виправлення, а не на запобігання [2]. Система CV, яка пропускає дефекти, не просто демонструє низьку ефективність — вона генерує вимірювані фінансові збитки через брак, переробку, гарантійні претензії та репутаційні втрати.

На основі нашого досвіду впровадження систем CV на виробничих підприємствах в Україні та ЄС ми спостерігаємо, що проблема навчальних даних не є тимчасовим обмеженням, яке можна вирішити збиранням більшої кількості зображень. Це структурна характеристика промислових середовищ, що вимагає спеціально розроблених стратегій. Ця стаття містить оцінку як вимірів проблеми, так і зрілості доступних рішень.

Проблема малих даних: чому дефекти за своєю природою рідкісні

Фундаментальний виклик промислових даних CV можна сформулювати просто: добре організована виробнича лінія виробляє дуже мало дефектів. Саме цього результату прагнуть системи управління якістю — і саме це робить навчання моделі виявлення дефектів настільки складним.

Рідкість дефектів як статистична проблема

У типовому виробничому процесі з рівнем браку 0,1–0,5% виробництво 10 000 одиниць дає від 10 до 50 дефектних виробів. Навіть якщо кожен дефектний виріб сфотографовано в контрольованих умовах, це забезпечує вкрай обмежений навчальний набір. Гірше того, дефекти не розподілені рівномірно за типами. Конкретна категорія дефекту — скажімо, волосяна тріщина у певному місці — може з'являтися лише один-два рази за місяці виробництва.

Це створює серйозну проблему дисбалансу класів. Стандартні моделі глибокого навчання, натреновані на таких розподілах, схильні оптимізувати для мажоритарного класу (бездефектних виробів), досягаючи поверхнево високої точності, але не виявляючи рідкісних подій, які мають найбільше значення. У контролі якості модель, яка правильно класифікує 99,5% зображень, але пропускає кожен дефект, є гіршою за відсутність моделі взагалі — вона створює хибне відчуття безпеки.

Анотація вимагає галузевої експертизи

На відміну від класифікації зображень для споживчих застосунків — де будь-яка людина може відрізнити кота від собаки — промислова анотація дефектів вимагає спеціалізованих знань. Розрізнення косметичної варіації поверхні від структурного дефекту, або визначення того, чи вказує знебарвлення на руйнування матеріалу, чи на нешкідливий артефакт обробки, вимагає багаторічного галузевого досвіду. Дослідження підтверджують, що низька якість розмітки може знизити точність моделі на 20–40% і потребувати переробки 15–25% анотованого датасету [3].

У нашій практиці ми постійно спостерігаємо, що якість анотації є єдиним найбільш значущим фактором продуктивності моделі, що перевершує вибір архітектури та налаштування гіперпараметрів. Експерт-анотатор, який розуміє виробничий процес, створює розмітку, що якісно відрізняється від тієї, яку надає універсальний сервіс анотації — і різниця у вартості відображає цю реальність.

Кожен виробничий процес є унікальним

Додатковим ускладненням є відсутність переносимості між виробничими лініями. Модель виявлення дефектів, натренована для одного сталепрокатного стану, не може бути просто розгорнута на іншому, навіть якщо обидва виробляють сталь однакової марки. Відмінності у віці обладнання, характері зносу інструменту, постачальниках сировини та умовах навколишнього середовища створюють відмінні візуальні сигнатури, які унеможливлюють пряме перенесення моделі.

Це означає, що, на відміну від споживчих застосунків CV, де одна модель може обслуговувати мільйони користувачів, промисловий CV часто вимагає кастомізації для кожного підприємства або навіть для кожної виробничої лінії — кожна з яких потребує власного збирання та анотації навчальних даних.

Проблема зміни умов: коли світ дрейфує під вашою моделлю

Навіть коли достатній обсяг навчальних даних зібрано на початковому етапі, промислові системи CV стикаються з викликом, який академічні бенчмарки рідко враховують: операційне середовище змінюється безперервно.

Варіативність середовища

Виробничі приміщення — це не контрольовані фотостудії. Умови освітлення змінюються залежно від часу доби, пори року та погоди. На лінзах камер накопичується пил, масляний туман і конденсат. Температура навколишнього середовища впливає як на зовнішній вигляд продукції, так і на поведінку сенсора камери. Модель, натренована на зображеннях, знятих за літнього денного світла, може працювати незадовільно під зимовим люмінесцентним освітленням — не тому, що модель має вади, а тому, що розподіл вхідних даних змістився.

Еволюція продукту та процесу

Виробництво не є статичним. Специфікації продукції змінюються відповідно до вимог замовників. Сировина варіюється між постачальниками та партіями. Обладнання зношується і періодично замінюється або перекалібровується. Кожна з цих змін може змінити візуальні характеристики як нормальної, так і дефектної продукції, поступово зсуваючи операційний розподіл даних від розподілу навчальних даних.

Це явище — відоме як зсув розподілу або доменний дрейф — є особливо підступним, оскільки відбувається поступово. Система CV може зберігати прийнятну продуктивність протягом тижнів або місяців, перш ніж точність почне знижуватися, і це зниження може бути непомітним в агрегованих метриках. На момент, коли дрейф виявляється через зростання скарг клієнтів або аудити якості, значна шкода може вже бути завдана.

Дилема перенавчання

Очевидною відповіддю на зсув розподілу є періодичне перенавчання моделі. Однак це створює циклічну залежність: перенавчання вимагає нових анотованих даних зі змінених умов, що повертає нас до проблем вартості анотації та необхідної експертизи, описаних вище. На підприємствах, де ми розгортали системи CV, ми спостерігаємо, що поточні витрати на підтримку точності моделі через перенавчання часто перевищують початкову вартість розробки моделі протягом перших 12–18 місяців експлуатації.

Підходи до вирішення: що дійсно працює у продуктивних системах

Дослідницька спільнота запропонувала численні підходи до вирішення проблеми навчальних даних. На основі як опублікованої літератури, так і нашого досвіду впровадження ми оцінюємо чотири основні стратегії, які продемонстрували практичну релевантність для промислових застосунків.

Трансферне навчання

Трансферне навчання — використання моделей, попередньо навчених на великих датасетах загального призначення, як відправної точки для промислових завдань — є найбільш поширеним і найбільш зрілим підходом. Завдяки використанню ознакових представлень, засвоєних з мільйонів зображень, трансферне навчання зменшує обсяг необхідних специфічних для задачі даних на порядок у порівнянні з навчанням з нуля. Дослідження глибокого трансферного навчання для промислової автоматизації підтверджує його ефективність у багатьох виробничих доменах [4].

На практиці трансферне навчання найкраще працює, коли цільовий домен має певні спільні візуальні характеристики з даними попереднього навчання. Аналіз текстури поверхні, виявлення геометричних форм та класифікація за кольором суттєво виграють від цього підходу. Проте трансферне навчання має чіткі обмеження для вузькоспеціалізованих промислових доменів — таких як інспекція напівпровідникових пластин або аналіз металургічних мікроструктур — де візуальні ознаки мають незначний перетин із природними зображеннями.

Генерація синтетичних даних

Синтетичні дані — згенеровані за допомогою рушіїв 3D-рендерингу, фізичних симуляцій або генеративних моделей ШІ — пропонують теоретичну перевагу необмеженої кількості автоматично анотованих навчальних зразків. Платформа NVIDIA Omniverse Replicator є сучасним еталоном у цій галузі, що забезпечує генерацію фізично точних, фотореалістичних зображень з автоматичною піксельно-точною анотацією для завдань виробничої інспекції [5]. Оновлення платформи 2025 року впровадили покращення генеративного ШІ через Cosmos Transfer, який доповнює синтетичні датасети для створення фотореалістичних варіацій, що скорочують розрив між синтетичними та реальними зображеннями.

Привабливість очевидна: замість того, щоб чекати місяцями накопичення достатньої кількості реальних дефектів, підприємство може згенерувати тисячі синтетичних зображень дефектів за лічені години. Реальність, однак, є більш неоднозначною. Синтетичні дані вимагають точної 3D-моделі виробу, достовірних властивостей матеріалів та реалістичної фізики дефектів — усе це потребує значних початкових інвестицій. У нашій практиці ефективність синтетичних даних суттєво варіюється залежно від застосунку. Вони добре працюють для геометричних дефектів (відсутні компоненти, розмірні відхилення) і значно гірше — для поверхневих дефектів, що залежать від складних взаємодій матеріалів (патерни корозії, органічне забруднення).

Активне навчання

Активне навчання вирішує проблему вузького місця анотації через інтелектуальний відбір зображень для розмітки, замість анотування всього масиву. Модель визначає зразки, щодо яких вона є найбільш невпевненою, і запитує людську анотацію лише для цих випадків, максимізуючи обсяг отриманої інформації на кожну витрачену одиницю коштів на анотацію.

Нещодавні дослідження демонструють, що гібридні стратегії активного навчання, які поєднують вибірку на основі невизначеності та різноманітності, можуть досягати 86,70% F1-score у промисловому виявленні дефектів, використовуючи лише 66,67% доступного пулу анотацій [6]. Підходи безперервного активного навчання додатково вирішують проблему зсуву розподілу, вибірково запитуючи анотації для зразків, що представляють нові операційні умови [7].

Активне навчання особливо добре підходить для промислових середовищ, оскільки узгоджується з природним робочим процесом: галузеві експерти вже переглядають результати виробництва, а система активного навчання може спрямовувати їхню увагу на найбільш інформативні зразки. Основним обмеженням є те, що активне навчання все одно потребує певного початкового обсягу розмічених даних для ініціалізації моделі, і його ефективність залежить від якості оцінки невизначеності.

Навчання з малою кількістю прикладів (Few-Shot Learning)

Навчання з малою кількістю прикладів має на меті створення моделей, здатних розпізнавати нові категорії на основі лише 1–5 прикладів. Цей підхід є концептуально ідеальним для промислового виявлення дефектів, де нові типи дефектів можуть виникати з мінімальною кількістю попередніх прикладів. Комплексний огляд виявлення дефектів з малою кількістю прикладів у промислових сценаріях підтверджує зростаючий дослідницький інтерес, при цьому мета-навчання та підходи на основі метрик демонструють обнадійливі результати на стандартних бенчмарках [8].

Однак наша оцінка полягає в тому, що навчання з малою кількістю прикладів залишається найменш зрілим з чотирьох підходів для продуктивного впровадження. Хоча результати бенчмарків на датасетах на кшталт MVTec AD є обнадійливими, перехід до реальних виробничих умов — з шумним фоном, змінним освітленням та нечіткими межами дефектів — значно знижує продуктивність. Ми вважаємо навчання з малою кількістю прикладів технологією, за якою слід уважно стежити, але на яку ще не варто покладатися як на основну стратегію для критично важливих застосунків контролю якості.

Оцінка зрілості: погляд практика

На основі нашого досвіду численних промислових впроваджень ми пропонуємо наступну оцінку зрілості кожного підходу для продуктивного використання.

ПідхідОписПромислова зрілістьКлючові обмеженняВідносна вартість
Трансферне навчанняПопередньо навчені моделі, дотреновані на промислових данихВисока — перевірено на виробництвіОбмежена користь для вузькоспеціалізованих доменів; все ще потребує сотень специфічних зображеньНизька
Синтетичні дані3D-рендеровані або згенеровані ШІ навчальні зображенняСередня — ефективні для окремих випадківВимагає точних 3D-моделей та властивостей матеріалів; доменний розрив для поверхневих дефектівСередньо-висока
Активне навчанняІнтелектуальний відбір зразків для анотаціїСередньо-висока — зростаюче впровадженняПотребує початкових розмічених даних; ефективність залежить від якості оцінки невизначеностіНизько-середня
Навчання з малою кількістю прикладівНавчання на 1–5 прикладах на категоріюНизько-середня — стадія дослідженьПродуктивність знижується в реальних умовах; обмежене задачами класифікаціїНизька

Таблиця 1. Оцінка зрілості підходів до вирішення проблеми навчальних даних для промислових застосунків CV. Оцінка базується на опублікованих дослідженнях та досвіді впроваджень AQTeck на виробничих підприємствах.

Рисунок 1. Порівняння підходів до навчальних даних за промисловою зрілістю та відносною вартістю. Зрілість: Висока = 5, Середньо-висока = 4, Середня = 3, Низько-середня = 2. Вартість: Низька = 1, Низько-середня = 2, Середньо-висока = 4. Трансферне навчання пропонує найкраще співвідношення зрілості до вартості. Джерело: дані Таблиці 1, оцінка AQTeck.

Ця оцінка відображає критичне розмежування, яке часто втрачається у технологічних дискусіях: зрілість для промислового застосування — це не те саме, що продуктивність на академічних бенчмарках. Метод, який досягає вражаючих результатів на курованих датасетах, але потребує значних інженерних зусиль для підтримки у продуктивних системах, є менш зрілим, ніж простіший метод, що забезпечує стабільні, передбачувані результати.

Рівняння вартості: анотація, синтез чи збирання

Розуміння економіки навчальних даних є критично важливим для прийняття обґрунтованих інвестиційних рішень. Наступне порівняння ілюструє приблизну структуру витрат на отримання 10 000 анотованих промислових зображень різними підходами.

type: bar
title: "Орієнтовна вартість отримання 10 000 анотованих промислових зображень (USD)"
colors: ["#2dd4bf", "#14b8a6", "#0d9488", "#5eead4"]
background: transparent
gridColor: "#2d323c"
textColor: "#9aa0a8"
font: "Inter, sans-serif"
data:
  - label: "Ручна розмітка (із залученням галузевих експертів)"
    value: 65000
  - label: "Трансферне навчання (зменшена потреба в даних ~2K зображень)"
    value: 18000
  - label: "Синтетичні дані (налаштування 3D-конвеєра + генерація)"
    value: 40000
  - label: "Активне навчання (вибіркова анотація ~4K зображень)"
    value: 30000
source: "Оцінки на основі галузевих даних про вартість анотації [3] та проєктного досвіду AQTeck. Ручна розмітка передбачає $5–7 за зображення з експертами-анотаторами для складних завдань сегментації. Трансферне навчання передбачає потребу в ~2 000 зображень. Синтетичні дані включають витрати на розробку 3D-конвеєра. Активне навчання передбачає ~40% скорочення обсягу анотації."

Ці цифри потребують кількох застережень. По-перше, вартість ручної розмітки передбачає залучення експертів-анотаторів, здатних ідентифікувати промислові дефекти, за ставками $5–7 за зображення для семантичної сегментації — це значно вище за типові $0,50–3,00 за зображення для анотації загального призначення [3]. По-друге, вартість синтетичних даних включає одноразові інвестиції в розробку 3D-моделі та конвеєра рендерингу, які можуть бути амортизовані для кількох проєктів, якщо сімейство продуктів є стабільним. По-третє, вартість активного навчання відображає економію на анотації завдяки інтелектуальному відбору зразків, але не враховує інженерних витрат на інтеграцію циклу активного навчання у виробничий процес.

Найважливіший висновок із цього порівняння — це не абсолютні цифри, які суттєво варіюються залежно від галузі, географії та складності завдання, а відносна економіка. Трансферне навчання пропонує найсприятливіше співвідношення вартості та вигоди для початкових впроваджень. Синтетичні дані стають економічно привабливими лише тоді, коли початкові інвестиції можуть бути амортизовані для кількох виробничих ліній або варіантів продукції. Активне навчання забезпечує найкращу довгострокову економіку для систем, які мають підтримувати точність протягом тривалого часу в умовах, що змінюються.

У нашій практиці ми найчастіше рекомендуємо гібридний підхід: трансферне навчання для початкового впровадження, поєднане з активним навчанням для постійного обслуговування моделі та вибірковим використанням синтетичних даних для доповнення рідкісних категорій дефектів. Ця комбінація охоплює повний життєвий цикл промислової системи CV — від швидкого початкового розгортання до довгострокової операційної стійкості.

Авторська оцінка та висновки

Проблема навчальних даних у промисловому комп'ютерному зорі не є тимчасовою перешкодою, яку буде вирішено наступним поколінням базових моделей або черговим стрибком обчислювальних потужностей. Це структурна характеристика промислових середовищ — що виникає через природну рідкість дефектів, доменну специфічність візуальної інспекції та безперервну еволюцію виробничих процесів.

На основі нашого аналізу та досвіду впроваджень ми формулюємо кілька висновків.

По-перше, очікування мають бути відкалібровані. Організації, що планують промислові впровадження CV, повинні закладати бюджет не лише на початкову розробку моделі, а й на постійне збирання даних, анотацію та перенавчання. На основі наших спостережень, операційна фаза зазвичай споживає 60–70% загальної вартості життєвого циклу системи CV.

По-друге, жоден окремий підхід не вирішує проблему повністю. Трансферне навчання, синтетичні дані, активне навчання та навчання з малою кількістю прикладів вирішують різні аспекти проблеми навчальних даних. Ефективні промислові системи CV поєднують кілька підходів, обраних на основі конкретних вимог та обмежень застосунку.

По-третє, стратегія роботи з даними — це інженерна дисципліна, а не другорядне завдання. Найуспішніші промислові впровадження CV, які ми спостерігали, — це ті, де збирання даних, анотація та забезпечення якості розглядаються як повноцінні інженерні процеси — з виділеними процедурами, інструментами та персоналом — а не як попередні кроки, які потрібно завершити перед «справжньою» роботою з розробки моделі.

По-четверте, економіка віддає перевагу запобіганню, а не виправленню. Враховуючи, що витрати, пов'язані з якістю, можуть становити до 20% обсягу продажів [2], а ефективні системи CV здатні скоротити час інспекції до 40% [6], рентабельність інвестицій в інфраструктуру навчальних даних є суттєвою — за умови, що інвестиції спрямовані на підходи з підтвердженою промисловою зрілістю.

Організації, які отримають найбільшу цінність від промислового комп'ютерного зору, — це не ті, що мають найбільш витончені моделі, а ті, що побудували стійкі, економічно ефективні конвеєри для отримання, анотації та підтримки високоякісних навчальних даних в умовах природного дефіциту та безперервних змін.

Джерела

  1. Bergmann, P. et al. "MVTec AD — A Comprehensive Real-World Dataset for Unsupervised Anomaly Detection." CVPR 2019; MVTec AD 2 Dataset, 2025. https://www.mvtec.com/research-teaching/datasets/mvtec-ad
  2. Deloitte. "Quality Cost Reduction." https://www.deloitte.com/de/de/issues/efficiency-resiliency/quality-cost-reduction.html
  3. GigaBPO. "Data Labeling Cost per Image: 2026 Pricing, Provider Comparison & Calculator." 2026. https://gigabpo.com/data-labeling-cost-per-image/
  4. Maschler, B. et al. "Deep Transfer Learning for Industrial Automation: A Review and Discussion of New Techniques for Data-Driven Machine Learning." IEEE Industrial Electronics Magazine, 2021. https://ieeexplore.ieee.org/document/9328227
  5. NVIDIA. "How to Train a Defect Detection Model Using Synthetic Data with NVIDIA Omniverse Replicator." NVIDIA Technical Blog. https://developer.nvidia.com/blog/how-to-train-a-defect-detection-model-using-synthetic-data-with-nvidia-omniverse-replicator/
  6. Rožanec, J.M. et al. "Active Learning for Industrial Defect Detection: A Study on Hybrid Sampling Strategies." International Journal of Advanced Manufacturing Technology, 2025. https://link.springer.com/article/10.1007/s00170-025-17378-7
  7. Polyzotis, N. et al. "A Continual Active Learning Approach to Adapt Neural Networks to Distribution Shifts in Quality Monitoring Applications." International Journal of Advanced Manufacturing Technology, 2025. https://link.springer.com/article/10.1007/s00170-025-15786-3
  8. MATEC Web of Conferences. "Few-Shot Defect Detection in Industrial Scenarios: A Comprehensive Review of Challenges, Advances, and Frontier Trends." 2025. https://www.matec-conferences.org/articles/matecconf/ref/2025/07/matecconf_maiqs2025_04005/matecconf_maiqs2025_04005.html
промисловий комп'ютерний зірнавчальні данівиявлення дефектівсинтетичні данінавчання з малою кількістю прикладівактивне навчаннятрансферне навчанняякість виробництва

Рішення АКУТЕК за темою статті

Ми проєктуємо та впроваджуємо такі системи на промислових підприємствах України та ЄС.

Пов'язані статті

Потрібна консультація?

Зв'яжіться з нами для безкоштовної консультації.