Подсчёт движущихся объектов

Требуемый от нас результат;

1. Онлайн‑счёт с достоверностью ≥99,0% при нормальных условиях.
2. Снижение ручного труда/ошибок, автоматический стоп‑сигнал при расхождениях (опционально).
3. История по сменам/линиям, пропуски, двойной учёт и подобные данные.

Входные данные

Камера над конвейером, фиксированная. Рекомендации: 1920×1080@30 FPS, короткая выдержка, стабильный свет, поляризационный фильтр при бликах.

Фон и разметка: желательно однотонный конвейер/подложка, разметочная линия (виртуальная «tripwire» в кадре).

Датасет: 3–5 тыс. размеченных кадров (bounding boxes по стаканам) + 1–2 часа сырого видео. В набор включить сценарии: плотная укладка, частичное перекрытие, разные материалы/прозрачность, загрязнения, тени, смаз, неполный стакан (дефект).

Постановка задачи

• Детекция объектов: найти стаканы в каждом кадре.
• Трекинг и подсчёт: присвоить ID, вести траектории, считать при пересечении контрольной линии (исключает двойной учёт при дрожании).
• Фильтрация артефактов: отбраковка по размеру/эксцентриситету/скорости (ложные срабатывания).
• Логирование и интеграция: счёт/время/ID → БД/шина; панель оператора; опционально — сигнал на ПЛК

Как итог мы имеем рабочее решение, которое включает:

1. Распознавание стаканов
   Мы используем специальную «умную» модель, которая находит стаканы на изображении с камеры. Есть разные варианты таких моделей — быстрые, точные и компактные, чтобы всё работало без задержек.
2. Отслеживание движения
   После того как стакан найден, система «запоминает» его и следит за ним в каждом кадре, пока он движется по конвейеру. Это помогает не считать один и тот же стакан несколько раз, даже если он временно перекрыт другими.
3. Подсчёт
   В кадре есть условная линия — как невидимый барьер. Стакан засчитывается в общий счёт один раз, когда он пересекает эту линию в нужном направлении.
   Если стаканы лежат в беспорядке, мы считаем их в специальной выделенной зоне на конце ленты.

Цепочка обработки
Всё происходит в такой последовательности:
Камера → обработка видео → распознавание стаканов → отслеживание их движения → подсчёт при пересечении линии → отбраковка ошибок → запись данных и отображение на экране или передача в учётную систему.

Инструменты

Железо и съёмка

• Камера: индустриальная 1080p@30FPS, глобальный затвор (Basler/FLIR) + линейная подсветка, поляризационный фильтр.
• Вычислитель (edge):
  — Бюджет: i7/Ryzen + RTX A2000/3060 (8–12 GB VRAM)
  — Компакт: NVIDIA Jetson Orin 8–16 GB.
• ПО камеры: SDK производителя + GStreamer/DirectShow (захват видеопотока).

Датасет и разметка

• Инструменты: CVAT или Label Studio (онлайн/он‑прем), Roboflow (по желанию).
• Хранение версий: DVC + Git (или просто Git LFS для начала).

Стек:

• NET/C#

• Инференс: ONNX Runtime (GPU/CPU).
• CV/Видео: OpenCvSharp4.
• Сервис: ASP.NET Core (REST/SignalR).
• UI: WPF/WinUI или Blazor.
• Интеграции: OPC‑UA .NET, MQTTnet.
• Логи: Serilog + Prometheus-net.

Хранилище и обмен

• БД: SQLite (локально) или PostgreSQL.
• Очередь/шина (по потребности): MQTT или RabbitMQ.
• Форматы: JSON/CSV, Parquet для архивов.

Деплой и эксплуатация

• Windows Service / systemd, Watchdog, ротация логов.
• Контейнеризация (опционально): Docker + NVIDIA Container Toolkit.

Сроки: 24 дня.