Details

Данная работа посвящена проектированию и реализации системы автоматического подсчёта труб по фотографиям с использованием нейросетевых алгоритмов детекции объектов, а также созданию серверной и мобильной частей приложения для промышленного учёта. В ходе работы проведён анализ существующих решений. Сформулированы функциональные и нефункциональные требования к системе. Построена потоковая диаграмма данных, на основе которой обоснован выбор микросервисной архитектуры с асинхронным обменом сообщениями. Разработанное мобильное приложение позволяет пользователю загружать изображения из галереи или делать фото, настраивать чувствительность детекции, получать автоматический подсчёт с визуальными метками уверенности, корректировать результат вручную, сохранять сканирования в архив и просматривать историю. Область применения результатов – промышленные предприятия, осуществляющие приёмку, отгрузку и инвентаризацию трубной продукции. Система может быть развёрнута в локальной инфраструктуре заказчика, обеспечивая полный контроль над данными. Предложенная архитектура и выбранные технологии обеспечивают масштабируемость, отказоустойчивость и безопасность. Переход от ручного подсчёта к автоматизированному с использованием нейросетей позволяет снизить трудозатраты персонала и минимизировать ошибки учёта.

This work is devoted to the design and implementation of an automatic pipe counting system based on photographs using neural network object detection algorithms, as well as the creation of serverside and mobile parts of the application for industrial inventory. During the work, an analysis of existing solutions was carried out. Functional and nonfunctional requirements for the system were formulated. A data flow diagram was constructed, which justified the choice of microservice architecture with asynchronous messaging. The developed mobile application allows the user to upload images from the gallery or take a photo, adjust detection sensitivity, receive automatic counting with visual confidence markers, manually correct the result, save scans to the archive, and view the history. The application area of the results is industrial enterprises that carry out reception, shipment and inventory of pipe products. The system can be deployed in the customers local infrastructure, providing full control over the data. The proposed architecture and selected technologies ensure scalability, fault tolerance and security. The transition from manual counting to automated counting using neural networks makes it possible to reduce personnel labor costs and minimize accounting errors.