Интеллектуальная система распознавания кодов для РЕХАУ

Главное о кейсе

Компания Globus IT разработала мобильное приложение «РЕХАУ Про Качество» для контроля маркировки продукции с помощью сканирования QR‑, штрих‑ и DataMatrix‑кодами. В результате был создан собственный ML‑движок вместо сторонней библиотеки, что полностью исключило риски отключения внешних сервисов. Система построена на модульном конвейере: предобработка изображения, локализация (YOLO Nas), сегментация (DeepLabV3), классификация ориентации (ResNet18/MobileNetV3), улучшение границ и финальная декодировка с поддержкой pyzbar и pylibdmtx. Это позволило обеспечить высокую точность распознавания даже при плохом освещении, повреждённой маркировке и нестабильном качестве изображений. Сервисная архитектура на Docker обеспечивает масштабируемость и высокую производительность — система обрабатывает сотни изображений одновременно.

Как проект изменил жизнь пользователей

За счёт мобильной интеграции и автономного ML‑движка РЕХАУ получили надёжный инструмент контроля качества прямо на складе и в производстве, без зависимости от внешних сервисов. Скорость и точность сканирования улучшились, распознавание стало доступным «в одно касание» через смартфон.

Бизнес-задача и ее решение

Задача: заменить внешнюю библиотеку сканирования кодов на независимое решение, сохранить работоспособность в любых условиях и обеспечить контроль качества продукции.
Решение: создать собственную ML‑систему для распознавания кодов и встроить её в мобильное приложение на Flutter, гарантируя автономность и устойчивость.

Крафт (мастерство), реализация, технические детали

Предобработка изображений: бинаризация, контраст, геометрические трансформации
Локализация: YOLO Nas
Сегментация: DeepLabV3
Классификация и ориентация: ResNet18, MobileNetV3 с transfer learning
Улучшение: алгоритмы добавления границ, структурирование изображения
Декодирование: параллельная обработка, интеграция pylibdmtx и pyzbar
Архитектура: модульный pipeline и Docker‑контейнеры для лёгкой масштабируемости и обновлений

Инсайты, гипотезы, процесс создания и взаимодействия с заказчиком

Во время тестирования выяснилось, что стандартные библиотеки не справляются с повреждёнными и плохо освещёнными кодами. Мы провели серию экспериментов с алгоритмами улучшения изображения (добавление границ, повышение контраста), что привело к росту успешной декодировки на 20–30 % при плохом качестве. Взаимодействие с заказчиком показало, что даже мелкие улучшения UX (например, подсказка при нечетком коде) значительно повышают эффективность и удобство использования.

Текущая доступность работы

https://apps.apple.com/ru/app/рехау-про-качество/id6473385708

Скриншоты