#02 • B2B & Промышленный AI FastAPI + React/WebGL + TensorRT / CUDA Inference Engine

Инженерный кейс: Разработка высоконагруженной B2B-платформы промышленного ИИ и компьютерного зрения «ИНСПЕКТПРОМ»

Клиент
НПО «Инспектпром» / Разработчик промышленной автоматизации
Локация / Охват
РФ, тяжелое машиностроение, металлургия, логистические хабы
Специализация & Ниша
Computer Vision, оптическая дефектоскопия деталей («Инспект-ОТК»), весовой учет, охрана труда (ОТ и ПБ) по ГОСТ ISO 9001
Стек / Архитектура
FastAPI + React/WebGL + TensorRT / CUDA Inference Engine
99.4%
Точность распознавания дефектов (модели YOLOv8/v9 & ResNet)
< 18 мс
Инференс оптического контроля на конвейере в реальном времени
ISO 9001
Соответствие промышленным стандартам ОТК и аудита
99.98%
Отказоустойчивость ПАК на серверах предприятий

1. Исходная ситуация и задачи проекта

Исходные вызовы и проблемы:
  • Человеческий фактор на ОТК: Усталость операторов приводила к пропуску микротрещин, раковин и сколов на скорости конвейера до 1.5 м/с.
  • Задержки весового учета: Ручная фиксация госномеров и веса грузовиков занимала до 4–5 минут на машину, создавая заторы на КПП.
  • Нарушения охраны труда (ОТ и ПБ): Отсутствовал автоматический мониторинг ношения касок, жилетов и нахождения персонала в опасных зонах работы кранов.
  • Сложность B2B-продаж: Отсутствовала цифровая витрина программно-аппаратных комплексов (ПАК) с калькулятором экономического эффекта и ROI.
Реализованные цели и решения:
  • ПАК «Инспект-ОТК»: Комплекс оптического машинного зрения для автоматической 2D/3D дефектоскопии деталей с точностью до 0.05 мм.
  • Автоматизация весового учета: Нейросетевое распознавание автомобильных и вагонных номеров с интеграцией весовых тензодатчиков за 12 секунд.
  • Видеоаналитика ОТ и ПБ: Потоковый анализ RTSP/ONVIF видеокамер на детекцию СИЗ, пересечение опасных периметров и фиксацию инцидентов.
  • Интерактивный B2B-портал: Спроектирован премиальный цифровой хаб с 3D-демонстрацией комплексов, калькулятором окупаемости и личным кабинетом предприятия.

2. Стек технологий и архитектурные решения

Frontend & UX Engine
  • React / TypeScript / Next.js
  • WebGL / Three.js (3D-модели оборудования)
  • Tailwind CSS (Dark Industrial Theme)
  • WebSocket Real-Time Telemetry
  • Chart.js / D3.js для графиков дефектов
  • SVG Industrial Iconography
Backend, Infrastructure & APIs
  • Python (FastAPI / PyTorch / TensorRT)
  • C++ (OpenCV & CUDA GPU Acceleration)
  • PostgreSQL & ClickHouse (аналитика событий)
  • Redis (кэширование очередей кадров)
  • Nginx & Docker Containerization
  • RTSP / ONVIF Streaming Protocols

3. Детальный состав выполненных работ

3.1. Архитектура нейросетевого инференса

Оптимизация сверточных сетей в формат TensorRT для аппаратного ускорения на графических процессорах NVIDIA, инференс кадра < 18 мс.

3.2. B2B-витрина программно-аппаратных комплексов

Разработка подробных продуктовых страниц по направлениям: дефектоскопия, весовой контроль, сканирование рулонных полотен, охрана труда.

3.3. Интерактивный калькулятор окупаемости (ROI)

Инструмент для главных инженеров и директоров по качеству: расчет снижения затрат на брак и окупаемости внедрения системы за 3–6 месяцев.

3.4. Промышленная отказоустойчивость

Архитектура Edge Computing: система продолжает локальную обработку конвейера даже при временной потере связи с центральным сервером.

4. Сравнительная таблица результатов (До / После)

Параметр Исходное состояние Результат после реализации
Скорость контроля детали 30–45 секунд (ручной замер штангенциркулем) < 0.05 сек (мгновенное оптическое сканирование)
Процент пропуска скрытого брака 3.5% – 5.2% (человеческий фактор) < 0.08% (полный аппаратный аудит по ISO 9001)
Время оформления транспорта на весах 4–5 минут на грузовик 12 секунд (автораспознавание номера и веса)
Контроль ношения СИЗ (каски/жилеты) Выборочный ручной обход инженером ОТ 100% круглосуточный видеоконтроль 24/7
Интеграция с ERP/АСУ ТП Ручной ввод данных в журнал и Excel Автоматическая выгрузка по REST API / Webhooks