🧠 Интеллектуальная система позиционирования заготовок

Проект хакатона Nuclear IT Hack (school) — кейс: "ИИ для лазерной обработки"

---

🚀 Описание проекта

Система компьютерного зрения для высокоточного позиционирования прямоугольных заготовок в задачах лазерной маркировки и микрообработки. На вход подаётся изображение с камеры, установленной под углом к рабочему полю. На выходе — координаты центра заготовки, угол её поворота и сегментация ключевых элементов.

🧩 Задачи, решаемые системой:

• Определение маски:

  • рабочей платформы
  • объекта (заготовки)
  • верхней грани объекта

• Вычисление координат центра заготовки (X, Y в мм)

• Оценка угла поворота объекта (θ в градусах)

Система полностью автоматизирована: пользователь загружает изображение — получает результат в формате .txt.

---

📥 Входные данные

• 📷 Чёрно-белое изображение заготовки
• 🔄 Возможны различные размеры и углы поворота
• 📐 Снято с наклонной камеры, реальные условия производства

📤 Выходные данные

• ✅ Маска (платформа, объект, верхняя грань)
• 📍 Координаты центра: X, Y (мм)
• 🔁 Угол поворота: θ (градусы)

---

⚡ Быстрый старт

1. 📦 Клонируйте репозиторий

git clone https://github.com/itbert/Sys4Micromachining.git
cd Sys4Micromachining

2. 🛠 Установите зависимости

💡 Рекомендуется использовать виртуальное окружение:

# Linux/macOS
python -m venv venv
source venv/bin/activate

# Windows
python -m venv venv
venv\Scripts\activate.bat

# Установка зависимостей
pip install -r requirements.txt

3. ▶ Запуск приложения

python app.py

---

🖼 Результат

После запуска вы увидите визуализацию данных и получите .txt с ними.

---

📈 Расширение системы

Вы можете расширить возможности системы, добавив дополнительные данные для обучения и тестирования. Просто поместите новые изображения и разметку в том же формате, что и исходные данные хакатона, и запустите все предоставленные ноутбуки из папки notebooks/ для подготовки данных и yolo/ для обучения новых весов модели.

---

🗂 Структура проекта

• app.py — основной серверный скрипт на Flask, реализует веб-интерфейс, обработку изображений, запуск модели и выдачу результатов.
• requirements.txt — список всех необходимых Python-библиотек для работы проекта.
• README.md — описание проекта, инструкция по запуску и использованию.
• static/ — статические файлы для веб-интерфейса (например, изображения, загруженные пользователем, логотип).
  • uploads/ — папка для загруженных пользователем изображений.
  • logo.jpg — логотип проекта.
• templates/ — HTML-шаблоны для страниц веб-приложения (index.html, about.html, result.html).
• yolo/ — всё, что связано с обучением и использованием нейросетевой модели YOLO.
  • yolo.ipynb — ноутбук для работы с моделью YOLO.
  • yolo11n.pt, yolov8s-seg.pt — предобученные веса моделей.
  • runs/train/laser_seg_model/weights/ — лучшие и последние веса вашей обученной модели.
• notebooks/ — Jupyter-ноутбуки для предобработки и анализа данных.
  • preprocessing.ipynb, processing.ipynb — этапы подготовки и обработки данных.
• data/ — директории с обучающими и тестовыми данными.
  • train/, test/ — изображения и разметка для обучения и тестирования.
• presentation.pptx — презентация проекта.
• venv/ — виртуальное окружение Python (создаётся автоматически, не трогать).