סוכני AI ואוטומציה

ראייה ממוחשבת

מערכות ראייה ממוחשבת שבודקות, מזהות, סופרות וקוראות מתוך תמונות ווידאו, נבדקות בתנאים האמיתיים שלכם ונפרסות בענן, על השרתים שלכם, או במכשירי קצה ובמכשירים ניידים.

בואו נדבר על הפרויקט שלכםדברו איתנו על הפרויקט

מערכות ראייה ממוחשבת שעובדות בתנאים שלכם

מודל ראייה ממוחשבת שמתפקד היטב בהדגמה יכול להיכשל בתאורה, במצלמות או בזוויות אחרות. אנחנו בונים מערכות ראייה ממוחשבת לבקרה חזותית, לזיהוי אובייקטים, ל-OCR ולניתוח וידאו באמצעות OpenCV, PyTorch ו-TensorFlow, שמאומנות ונבדקות על תמונות מהסביבה האמיתית שלכם. התוצאות מגיעות עם ציוני ביטחון, מקרים לא ודאיים עוברים לאדם לאישור, והמודלים רצים היכן שזה הגיוני: בענן, על השרתים שלכם, או במכשירי קצה ובמכשירים ניידים.

הנדסת ראייה ממוחשבת בסיוע AI ובאימות מומחים

איך ה-AI מסייע

  • ה-AI מבצע תיוג מקדים של תמונות ופריימים מווידאו; המתייגים סוקרים ומתקנים את התיוגים לפני שמשתמשים בהם.
  • סוכני קוד מנסחים טיוטות לקוד אימון, הרחבת נתונים (Augmentation) ופריסה, לסקירת המהנדסים.
  • ה-AI מקבץ זיהויים שגויים ומקרים קשים, כדי שהמהנדסים יוכלו למקד את איסוף הנתונים החדשים.

מה באחריות המומחים שלנו

  • הנחיות התיוג וההגדרה של כל מחלקה או סוג פגם
  • סטי בדיקה שמשקפים את המצלמות, התאורה והתנאים האמיתיים שלכם
  • ספי ביטחון, כללי התראה ומתי אדם חייב לאשר תוצאה
  • החלטות השחרור, אחרי סקירת מדדי Precision ו-Recall ומקרי קצה

מפריים של מצלמה לתוצאה מאושרת

תהליך בקרה להמחשה; הספים, כללי הסקירה והמקום שבו רץ כל שלב נקבעים לפי המתקן שלכם.

  1. צילום

    מצלמה קבועה, טלפון או סורק מצלמים את התמונה, והזמן והמקור נרשמים.

  2. עיבוד מקדים

    הפריימים נחתכים, מותאמים בגודלם ומתוקנים לתנאי התאורה; תמונות מטושטשות או לא שמישות מסומנות ולא מקבלות ציון.

  3. הרצת המודל

    המודל מזהה אובייקטים, מסווג את התמונה או קורא טקסט, במכשיר, בשרת או בענן.

  4. סף ביטחון

    לכל תוצאה יש ציון; תוצאות ברורות עוברות, ותוצאות גבוליות מעוכבות לסקירה.

    נקודת בקרה: הסף מוסכם עם הצוות שלכם

  5. סקירה אנושית

    מפעיל רואה את התמונה עם הסימונים של המודל, ומאשר, מתקן או דוחה את התוצאה.

    נקודת בקרה: המפעיל מכריע במקרים גבוליים

  6. רישום התוצאה

    התוצאה הסופית, ההפניה לתמונה וכל תיקון נשמרים, והתיקונים נאספים לאימון מחדש.

כשמשהו נכשל: אם שידור המצלמה נקטע או שהתמונות הופכות ללא שמישות, המערכת מתריעה ומפסיקה להפיק תוצאות במקום לנחש.

מי מגיע אלינו עם תמונות ווידאו

בדיקות שתלויות בכך שמישהו יסתכל, כמו איתור פגמים, ספירת מלאי או קריאת תוויות, הן איטיות ומעייפות, והתוצאות משתנות מאדם לאדם וממשמרת למשמרת.

  • צוותי איכות שבודקים מוצרים לאיתור פגמים גלויים בקו ייצור
  • מנהלי תפעול שרוצים ספירות או התראות בטיחות מהמצלמות הקיימות
  • צוותי מובייל שמוסיפים סריקה של מסמכים או מוצרים בתוך המכשיר

מה תקבלו

מערכות ראייה ממוחשבת מהנתונים ועד הפריסה

  • בקרה חזותית וסיווג

    מודלים שממיינים תמונות לפי תוכן, איכות או סוג פגם, מאומנים על המוצרים שלכם ונבדקים בתנאי התאורה והמצלמות האמיתיים שלכם.

  • זיהוי וספירת אובייקטים

    זיהוי וספירה בתמונות ובווידאו למלאי, לבטיחות ולייצור, עם ספי ביטחון שאתם יכולים לכוונן.

  • OCR ו-AI למסמכים

    חילוץ טקסט ושדות ממסמכים סרוקים, מתעודות מזהות ומקבלות, עם ציוני ביטחון ותור סקירה לשדות לא ברורים.

  • ניתוח וידאו והתראות

    זיהוי אירועים וחריגות בזרמי מצלמות, עם התראות שנשלחות לאדם לאישור, במקום פעולה אוטומטית על אירועים לא ודאיים.

  • פריסה במכשירי קצה ובמובייל

    מודלים דחוסים שעברו קוונטיזציה, במכשירי קצה או בטלפונים, עם TensorFlow Lite או Core ML, להשהיה נמוכה או כשהתמונות צריכות להישאר בשטח שלכם.

  • כלי תיוג וסקירה

    תהליכי תיוג עם תיוג מקדים של AI שנבדק בידי אנשים, וגם מסך סקירה שבו העובדים מאשרים או מתקנים את תוצאות המודל.

מה פרויקטים של ראייה ממוחשבת לא כוללים

  • אספקה או התקנה של מצלמות, תאורה וחומרת Edge לא נכללות; אנחנו מגדירים מה המודל צריך מהן ובודקים על מה שאתם מתקינים.
  • ההתראות מגיעות למפעילים שלכם; אנחנו לא צופים בשידורי המצלמות ולא מגיבים לאירועים בשמכם.
  • אחרי שה-OCR קרא את הטקסט, סיווג או סיכום של מה שכתוב בו הם עבודה של עיבוד שפה טבעית, שמוגדרת במקביל אם אתם צריכים את שניהם.
  • תחזיות מקריאות חיישנים, מעסקאות או מנתונים אחרים שאינם תמונות נבנות במסגרת מודלי למידת מכונה.

בקשות טיפוסיות לראייה ממוחשבת

תרחישים טיפוסיים שאנחנו מגדירים להם היקף, לא מקרי בוחן של לקוחות.

  • בקרה חזותית בקו ייצור

    בודקי האיכות בוחנים חלקים בעין, ומה שנחשב פגם משתנה ממשמרת למשמרת. היינו כותבים מדריך פגמים יחד עם מנהל האיכות שלכם, אוספים תמונות מהמצלמה של הקו עצמו, ומנתבים חלקים גבוליים לבודק.

  • ספירות מהמצלמות שכבר מותקנות

    צוות מחסן רוצה ספירת משטחים מהמצלמות הקיימות שלו. לפני פיתוח מלא, היינו בודקים מודל זיהוי על צילומים משעות שונות ביום, ומדווחים היכן מיקום המצלמה או התאורה מגבילים את מה שאפשר לספור באופן אמין.

  • קליטת קבלות באפליקציית מובייל

    הצוות שמאחורי אפליקציה לניהול הוצאות רוצה שהקבלות ייקראו בטלפון. היינו מריצים את הזיהוי במכשיר עצמו היכן שרמת הדיוק מאפשרת, מחלצים את שם בית העסק, התאריך והסכום הכולל עם ציוני ביטחון, ומבקשים מהמשתמש לאשר שדות לא ברורים.

איך מתנהל פרויקט ראייה ממוחשבת

  1. 01

    תרחיש שימוש וסקירת נתונים

    מגדירים מה המערכת צריכה לזהות או להחליט, סוקרים תמונות או סרטוני וידאו לדוגמה מתנאים אמיתיים, ומסכמים יעדי איכות ומסלול סקירה.

  2. 02

    נתונים ותיוג

    אוספים ומתייגים תמונות עם תיוג מקדים של AI שנבדק בידי אנשים, מוסיפים הרחבת נתונים (Augmentation) ומפרידים סט בדיקה שהמודל אף פעם לא מתאמן עליו.

  3. 03

    אימון ואופטימיזציה

    מאמנים מודלים לזיהוי, לסיווג או לסגמנטציה, מודדים Precision, Recall ו-mAP, ומבצעים אופטימיזציה לחומרת היעד ולדרישות ההשהיה שלכם.

  4. 04

    פריסה וניטור

    פורסים בענן, במכשירי קצה או במובייל עם ניטור, ניהול גרסאות ולולאת אימון מחדש שמוזנת מתיקוני המפעילים.

שתי דרכים לעבוד עם כלי AI

בחרו היכן סוכני קוד מבוססי AI רשאים לעבד את הקוד שלכם בזמן שאנחנו בונים. הסטנדרט ההנדסי זהה בשתי הדרכים.

לא בטוחים? נמליץ על אחת מהן בשלב הגדרת ההיקף. השוואת אפשרויות עבודה עם AI

איך העיצוב, ה-QA והתפעול תומכים במערכת הראייה הממוחשבת שלכם

  • ממשקים למפעילים

    המעצבים מתכננים איך זיהויים, רמת ביטחון והתראות מוצגים למפעילים, ואיך הם מאשרים, מתקנים או דוחים תוצאה בלי לצאת מתהליך העבודה שלהם.

  • QA בתנאים אמיתיים

    צוות ה-QA בונה סטי בדיקה מהמצלמות, התאורה, הזוויות ומקרי הקצה שלכם, בודק Precision ו-Recall לכל מחלקה, ומריץ אותם שוב לפני כל עדכון מודל.

  • פריסה שמתאימה לחומרה שלכם

    צוות ה-DevOps פורס לממשקי API בענן, לשרתים מקומיים או למכשירים, עם ניטור ויכולת חזרה לגרסה קודמת. מעבדי GPU משמשים היכן שקצב העיבוד דורש אותם, לא כברירת מחדל.

  • אימון מחדש ממקרים אמיתיים

    אנחנו אוספים מקרים קשים ותיקונים של מפעילים, מוסיפים אותם לסטי האימון והבדיקה, ומשחררים מודלים משופרים אחרי בדיקות רגרסיה.

שאלות ותשובות

שאלות נפוצות

כמה תמונות אנחנו צריכים לאימון?

זה תלוי במידת הגיוון של התמונות שלכם ובמספר המחלקות שאתם צריכים. קודם אנחנו סוקרים את הדוגמאות שלכם, ואז ממליצים כמה תמונות לאסוף ולתייג. מודלים שאומנו מראש והרחבת נתונים מקטינים את הכמות הנדרשת, וסט בדיקה נפרד מראה אם יש לכם מספיק.

האם מודלים יכולים לרוץ במכשירים ניידים או במכשירי קצה?

כן. אנחנו דוחסים מודלים ומבצעים להם קוונטיזציה לטלפונים, למצלמות ולחומרה משובצת, בעזרת כלים כמו TensorFlow Lite ו-Core ML, ל-iOS ול-Android. עיבוד על המכשיר מקטין את ההשהיה ומשאיר את התמונות מקומיות, במחיר של פשרה מסוימת בגודל המודל ובדיוק שלו, שאותה אנחנו מודדים על מכשירי היעד שלכם.

האם אתם בונים כלים לזיהוי פנים או להדמיה רפואית?

כן, לשימושים כמו אימות זהות מבוסס הסכמה, עם אמצעי הגנה נוספים. תמונות ביומטריות ורפואיות הן רגישות ומוסדרות ברגולציה בתחומי שיפוט רבים, ולכן ההסכמה, השמירה, האפשרויות לעיבוד על המכשיר והסקירה המשפטית או הקלינית שלכם נסגרות לפני שאנחנו בונים. כלי הדמיה רפואית מסייעים לאנשי צוות קליני מוסמכים: התוצאות מוצגות לשיקול דעתם, ולא כאבחנה.

היכן התמונות והווידאו שלנו מעובדים?

היכן שתחליטו: על המכשיר, על השרתים שלכם או בחשבון הענן שלכם. ממשקי API מתארחים לראייה ממוחשבת משמשים רק בהסכמתכם. בעבודת הפיתוח שלנו, הנדסת AI פרטית / מקומית מריצה את מודלי הקוד מבוססי ה-AI בתוך גבולות מוסכמים; הנדסת Claude Code / OpenAI Codex משתמשת בסוכני קוד מסחריים לפי תנאי חשבון שסוכמו.

לכל מקרי הבוחן
לכל הפרויקטים
לכל המאמרים

תנו לתמונות ולווידאו שלכם לעבוד

שתפו אותנו בתמונות או בצילומי וידאו לדוגמה מתנאים אמיתיים. נעריך את ההיתכנות, את צורכי הנתונים ואת אפשרויות הפריסה לפני שמתחילים לבנות משהו.

בואו נדבר על הפרויקט שלכםדברו עם מהנדס ראייה ממוחשבת