Умный контроль качества без зависимостей: как Globus IT создал ML-решение, усилившее продукт РЕХАУ

1. Вводная задача от заказчика, проблематика, цели

Компания РЕХАУ использовала мобильное приложение для контроля качества продукции, где ключевую роль играло распознавание QR-, штрих- и DataMatrix-кодов. Это решение позволяло быстро проверять подлинность продукции в реальных условиях — на производстве, складе и у партнеров.

Однако в основе системы находилась сторонняя библиотека, которая со временем стала критической точкой риска. Возможные ограничения или отключение сервиса могли напрямую повлиять на непрерывность бизнес-процессов. Дополнительно возникали ограничения в развитии: команда не могла гибко управлять качеством распознавания или адаптировать алгоритмы под реальные условия эксплуатации.

Перед Globus IT стояла задача не просто заменить библиотеку, а создать собственное решение, которое обеспечит технологическую независимость, повысит точность распознавания и будет стабильно работать в сложных сценариях — при плохом освещении, поврежденных кодах и искажениях изображения.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

Вместо выбора готовых альтернатив команда приняла стратегическое решение разработать собственный ML-движок компьютерного зрения. Целью было не повторить существующие решения, а превзойти их по устойчивости и гибкости.

В основе реализации — модульный конвейер обработки изображений. Система последовательно обрабатывает изображение: улучшает его качество, находит код, определяет его параметры и восстанавливает структуру перед декодированием. Такой подход позволил добиться высокой точности даже в нестабильных условиях.

Для распознавания используются несколько моделей машинного обучения, каждая из которых отвечает за свою задачу: детекцию, сегментацию, классификацию и оценку качества изображения. Важным решением стало применение параллельных сценариев обработки — система одновременно тестирует разные подходы и выбирает наиболее успешный результат.

Одной из ключевых инноваций стал модуль улучшения границ, который фактически «восстанавливает» поврежденные участки DataMatrix-кодов. Благодаря этому удалось существенно повысить процент успешного распознавания в реальных условиях, где коды часто далеки от идеала.

Решение было интегрировано в мобильное приложение на Flutter, при этом пользователи не заметили усложнения технологии — для них процесс остался таким же быстрым и простым.

3. Результаты сотрудничества

В результате проекта РЕХАУ получил полностью независимую систему распознавания кодов, устранив риски, связанные со сторонними библиотеками. Это напрямую повысило устойчивость ключевых бизнес-процессов.

При этом качество распознавания улучшилось, особенно в сложных сценариях: при поврежденных кодах, плохом освещении и нестабильной съемке. Пользователи стали реже сталкиваться с ошибками и тратить меньше времени на повторные проверки.

Дополнительным эффектом стала гибкость развития продукта. Собственный ML-движок позволяет быстро адаптироваться под новые задачи, масштабировать решение и развивать функциональность без внешних ограничений.

Проект также продемонстрировал практическую ценность машинного обучения: это не экспериментальная технология, а инструмент, который дает измеримый бизнес-результат — от снижения рисков до повышения эффективности операций.

4. Заключение

Этот кейс — пример того, как из технологического ограничения можно создать конкурентное преимущество. Вместо простой замены библиотеки Globus IT разработал интеллектуальное решение, которое усилило продукт РЕХАУ и сделало его более устойчивым, точным и готовым к масштабированию.

Это не просто мобильная разработка, а системное решение, которое влияет на эффективность бизнеса и задает новый уровень качества в своей категории.