Quality inspection in produzione
Identificazione difetti su linee ad alta velocità con accuratezza superiore all'ispezione umana.
01 / COMPUTER-VISION
Intelligenza Artificiale
Computer visionIntelligenza Artificiale — Insegniamo alle macchine a vedere, contare e ispezionare.
Insegniamo alle macchine a vedere, contare e ispezionare.
Sviluppiamo sistemi di visione artificiale per controllo qualità, conteggio, sicurezza, OCR avanzato e analisi video in tempo reale. Dall'addestramento del modello all'integrazione con telecamere edge.
>99%
Accuratezza tipica
30 FPS
Real-time on edge
−85%
Falsi positivi vs sistemi rule-based
§ A
Overview
La computer vision moderna combina deep learning, modelli foundation (SAM, CLIP, DINO) e classico image processing. Affrontiamo problemi che vanno dal controllo qualità in linea di produzione al riconoscimento documenti, dalla sicurezza perimetrale all'analisi del comportamento in retail.
Lavoriamo end-to-end: data collection, annotation, training, deployment su edge (Jetson, Coral, telecamere intelligenti) o cloud, monitoring del drift del modello in produzione.
§ B
Cosa includiamo
- Definizione del problema e fattibilità su immagini di esempio
- Raccolta e annotazione del dataset (anche tramite team di labeling dedicato)
- Training di modelli custom o fine-tuning di foundation models
- Ottimizzazione per inferenza (quantization, pruning, TensorRT)
- Deployment su edge devices o cloud GPU
- Integrazione con telecamere IP, RTSP, MES, ERP
- Active learning: il sistema impara dai casi nuovi che incontra
§ C
Deliverable
Cosa ricevi alla fine — o lungo il percorso — di un nostro engagement su Computer vision.
- D/01Modello addestrato con metriche di performance
- D/02API di inferenza o app edge
- D/03Dataset annotato di proprietà del cliente
- D/04Dashboard di monitoring
- D/05Documentazione tecnica e procedure di re-training
§ D
Casi d'uso
OCR su documenti complessi
Estrazione di campi strutturati da fatture, scontrini, contratti, anche con layout variabile.
People counting & analytics
Conteggio persone, mappe di calore, analisi flussi in retail e spazi pubblici nel rispetto del GDPR.
Sicurezza perimetrale
Rilevamento intrusioni, oggetti abbandonati, comportamenti anomali con riduzione dei falsi allarmi.
§ E
Il nostro processo
01
Feasibility
Test su 200-500 immagini per validare l'approccio prima di investire nel dataset.
02
Data pipeline
Raccolta strutturata, annotazione, augmentation, split train/val/test.
03
Model training
Iterazioni con tracking esperimenti, hyperparameter tuning, valutazione su edge cases.
04
Edge deployment
Compilazione, quantization, integrazione con il flusso video reale.
05
MLOps
Monitoring del drift, retraining periodico, gestione delle versioni in campo.
§ F
Tecnologie
PyTorch · TensorFlowYOLOv8/v11 · DETR · SAM2OpenCV · KorniaONNX · TensorRTNVIDIA Jetson · Google CoralDocker · Triton Inference Server
Stack indicativo. Adattiamo le scelte al tuo contesto, alle competenze interne e ai vincoli esistenti.
§ G
Domande frequenti
Q/01Quante immagini servono?+
Dipende dal problema. Per classificazione semplice bastano 100-500 esempi per classe; per detection complessa ne servono 2-5k. I foundation models riducono drasticamente il fabbisogno.
Q/02Funziona in tempo reale?+
Sì. Su Jetson Orin gestiamo 30+ FPS in HD; su GPU server arriviamo a centinaia di stream concorrenti.
Q/03Rispetta il GDPR?+
Lavoriamo by-design con anonimizzazione (blurring volti/targhe) e DPIA. Quando possibile l'inferenza avviene on-edge senza salvare immagini.
Prossimo passo
Parliamo di computer vision.
Una call di 30 minuti per capire il tuo contesto e capire se possiamo davvero aiutarti. Senza impegno.