پلتفرم هوشمند تشخیص عیوب و اشیاء با هوش مصنوعی

یک پلتفرم هوشمند بینایی ماشین برای تشخیص عیوب و شناسایی آبجکت با استفاده از هوش مصنوعی که در ابتدا برای بازرسی و تشخیص عیوب پنل‌های خورشیدی توسعه داده شده است. این سامانه با امکان ایجاد دیتاست، برچسب‌گذاری، آموزش و مدیریت چندین مدل هوش مصنوعی، فرآیند تحلیل تصاویر را به‌صورت یکپارچه و خودکار انجام می‌دهد. این نرم‌افزار با تحلیل حجم بالایی از تصاویر در زمان کوتاه، به کاهش زمان بازرسی، کاهش وابستگی به متخصص و کاهش هزینه‌های کنترل کیفیت کمک می‌کند و قابلیت توسعه برای کاربردها و صنایع مختلف را نیز دارد.
محل اجرا:
شرکت پاک نیرو سولار
زمان اجرا:
2026-05-01
تکنولوژی مورد استفاده:
وب اپلیکیشن، هوش مصنوعی، پایتون، پردازش تصویر
وضعیت پروژه:
پایان یافته

معرفی محصول

این پروژه یک پلتفرم نرم‌افزاری پیشرفته مبتنی بر هوش مصنوعی و بینایی ماشین است که با هدف خودکارسازی فرآیند تشخیص عیوب و شناسایی آبجکت‌ها در تصاویر توسعه یافته است. نسخه اولیه این سامانه برای شرکت پاک نیرو سولار و با تمرکز بر تشخیص عیوب پنل‌های خورشیدی طراحی و پیاده‌سازی شده است.

اما معماری سامانه به یک کاربرد خاص محدود نشده است. زیرساخت نرم‌افزار به‌گونه‌ای طراحی شده که می‌توان برای هر صنعت، دیتاست اختصاصی ایجاد کرد، تصاویر را برچسب‌گذاری کرد، مدل‌های هوش مصنوعی متناسب با نیاز را آموزش داد و از مدل آموزش‌دیده برای تحلیل تصاویر استفاده کرد.

از دیتاست تا مدل هوش مصنوعی؛ یک فرآیند یکپارچه

یکی از مهم‌ترین مزیت‌های این سامانه، یکپارچه‌سازی چرخه کامل توسعه و استفاده از مدل‌های هوش مصنوعی در یک محیط واحد است؛ به‌گونه‌ای که کاربر می‌تواند بدون نیاز به جابه‌جایی میان چند نرم‌افزار، از ایجاد دیتاست و برچسب‌گذاری تصاویر تا آموزش مدل، تحلیل تصاویر و تولید گزارش نهایی را در یک پلتفرم انجام دهد.

در مرحله نخست، کاربر تصاویر مربوط به عیب یا سوژه موردنظر را در سامانه بارگذاری کرده و یک دیتاست جدید ایجاد می‌کند. سپس در بخش برچسب‌گذاری، محل قرارگیری و نوع هر عیب یا سوژه را در تصاویر مشخص می‌کند تا داده‌ها برای آموزش مدل هوش مصنوعی آماده شوند.

پس از آماده‌سازی دیتاست، کاربر می‌تواند با توجه به نوع کاربرد، پیچیدگی مسئله و توان سخت‌افزاری موجود، مدل مناسب هوش مصنوعی را انتخاب کرده و فرآیند آموزش را آغاز کند. مدل آموزش‌دیده با یادگیری ویژگی‌ها، موقعیت و نوع عیوب یا سوژه‌های موردنظر، آماده استفاده در فرآیندهای بعدی می‌شود.

در مرحله بهره‌برداری، کاربر می‌تواند تصاویر جدید یا ویدئوهای موردنظر را در اختیار سامانه قرار دهد. مدل آموزش‌دیده تصاویر را تحلیل کرده و موارد شناسایی‌شده، محل قرارگیری و نوع عیب یا سوژه را به‌صورت خودکار مشخص می‌کند. نتایج نیز در محیط سامانه نمایش داده می‌شوند تا کاربر بتواند آن‌ها را بررسی و تأیید کند.

در نهایت، سامانه بر اساس نتایج تأییدشده، گزارش‌های دقیق و قابل تنظیم در قالب Microsoft Word تولید می‌کند. این گزارش‌ها می‌توانند شامل اطلاعاتی مانند تاریخ بازرسی، محل انجام بررسی، نام کارشناس، تعداد عیوب شناسایی‌شده، نوع عیوب، تصاویر و سایر اطلاعات موردنیاز باشند.

به این ترتیب، این پلتفرم یک فرآیند کامل و یکپارچه را از ایجاد دیتاست و برچسب‌گذاری تا آموزش مدل هوش مصنوعی، تشخیص خودکار عیوب و تولید گزارش نهایی فراهم می‌کند؛ قابلیتی که آن را به یک زیرساخت قابل توسعه برای تشخیص عیوب، کنترل کیفیت و بازرسی هوشمند در صنایع مختلف تبدیل می‌کند.

از تشخیص عیوب پنل‌های خورشیدی تا بازرسی خطوط لوله و کنترل کیفیت محصولات صنعتی

این سامانه به یک صنعت یا نوع خاصی از عیب محدود نیست و می‌تواند متناسب با نیاز هر پروژه، برای تشخیص عیوب و شناسایی اشیاء در حوزه‌های مختلف آموزش داده شود. در پروژه انجام‌شده، سامانه برای تشخیص عیوب پنل‌های خورشیدی به کار گرفته شده است؛ اما همین زیرساخت می‌تواند برای کاربردهایی مانند بازرسی خطوط لوله، کنترل کیفیت محصولات در خطوط تولید، شناسایی نقص قطعات صنعتی، بررسی تجهیزات و سازه‌ها، تشخیص اشیاء و بازرسی تصویری نیز مورد استفاده قرار گیرد.

با ایجاد دیتاست اختصاصی و آموزش مدل متناسب با هر کاربرد، سامانه می‌تواند محل و نوع عیب یا سوژه موردنظر را در تصاویر و ویدئوها شناسایی کند. این انعطاف‌پذیری، نرم‌افزار را به یک پلتفرم قابل توسعه برای بازرسی هوشمند، کنترل کیفیت و تشخیص عیوب با هوش مصنوعی تبدیل کرده است.

پشتیبانی از چند دیتاست و مدل هوش مصنوعی

سامانه برای کار با یک مدل یا یک دیتاست طراحی نشده است. کاربران می‌توانند دیتاست‌های مختلف برای کاربردهای متفاوت ایجاد کنند و فرآیند آموزش مدل‌های مختلف را به‌صورت مستقل پیش ببرند.

این قابلیت امکان استفاده همزمان از سیستم برای چند پروژه یا چند کاربرد را فراهم می‌کند. برای مثال، می‌توان یک مدل را برای تشخیص یک نوع عیب و مدل دیگری را برای شناسایی نوع دیگری از عیب یا آبجکت آموزش داد.

سامانه همچنین دارای ۵ مدل هوش مصنوعی پیش‌فرض است که به‌عنوان نقطه شروع برای توسعه و آموزش مدل‌ها در اختیار کاربر قرار می‌گیرند.

ارزش تجاری و فنی محصول

ارزش اصلی این سامانه در تبدیل فرآیند بازرسی تصویری از یک فعالیت دستی و وابسته به متخصص، به یک فرآیند هوشمند، سریع و قابل توسعه است. در پروژه تشخیص عیوب پنل‌های خورشیدی، استفاده از هوش مصنوعی می‌تواند زمان مورد نیاز برای بررسی تصاویر را کاهش داده، ظرفیت بازرسی را افزایش دهد و وابستگی فرآیند به نیروی متخصص را کاهش دهد.

از سوی دیگر، معماری قابل توسعه سامانه باعث می‌شود سرمایه‌گذاری انجام‌شده صرفاً به یک پروژه محدود نباشد؛ بلکه زیرساخت ایجادشده بتواند برای توسعه مدل‌های هوش مصنوعی و کاربردهای جدید در پروژه‌های آینده نیز مورد استفاده قرار گیرد. این پروژه نمونه‌ای از توانمندی شرکت در طراحی و توسعه پلتفرم‌های هوش مصنوعی صنعتی، بینایی ماشین، مدیریت دیتاست، آموزش مدل و استقرار سامانه‌های AI به‌صورت تحت وب و سرورمحور است.

تشخیص خودکار عیوب و اشیاء در تصاویر با استفاده از هوش مصنوعی.
امکان ایجاد و مدیریت چندین دیتاست برای کاربردها و پروژه‌های مختلف.
امکان برچسب‌گذاری تصاویر و آماده‌سازی داده‌ها برای آموزش مدل‌های هوش مصنوعی.
امکان آموزش و مدیریت چندین مدل هوش مصنوعی به‌صورت همزمان.
برخورداری از ۵ مدل هوش مصنوعی آماده برای شروع کار.
امکان تحلیل تعداد زیادی تصویر در مدت زمان کوتاه.
امکان تولید خودکار گزارش‌های قابل تنظیم در قالب Word.
امکان اجرای نرم‌افزار روی سرور مرکزی و دسترسی کاربران از طریق مرورگر وب یا نصب بصورت مستقیم روی سیستم مورد نظر
قابلیت توسعه برای تشخیص عیوب و اشیاء در صنایع و کاربردهای مختلف.
قابل استفاده برای کنترل کیفیت، بازرسی صنعتی، تشخیص عیب و شناسایی اشیاء.

گالری تصاویر