Загрузка моделей...
Готовые решения для реального бизнеса и передовые мировые модели на одной платформе. Используйте в браузере, интегрируйте по API или публикуйте свою модель.
Откройте для себя мир готовых ML-решений!
Узнайте, как модели экономят время, деньги и трансформируют бизнес-процессы.
Найдено моделей: 34

MVP-модель компьютерного зрения для считывания показаний аналоговых стрелочных приборов по изображению. Модель находит ключевые элементы прибора, определяет положение стрелки и в known-scale режиме переводит его в физическое значение. Сложные случаи помечаются как low_confidence.

Модель компьютерного зрения, которая по фото или скану документа находит и выделяет таблицы на странице. Это помогает автоматизировать извлечение табличных данных из бумажных отчётов, накладных, форм и отчётности, ускоряя последующее чтение, парсинг и анализ. Решение подходит для интеграции в OCR-конвейеры, бухгалтерские системы и системы управления документами.

Выявление дефектов на промышленных поверхностях в реальном времени с низкой задержкой и оптимизацией под CPU.

CrackSense AI — специализированная модель машинного обучения для автоматической классификации изображений бетонных поверхностей по наличию трещин. Она помогает идентифицировать дефекты структуры на фотографиях, что ускоряет проверки состояния конструкций и снижает нагрузку на инспекторов. Это важный инструмент для цифровой диагностики строительных объектов и систем мониторинга технического состояния.

Модель компьютерного зрения, которая анализирует фото рыбы или креветок и определяет наличие признаков заболеваний. Решение полезно как в процессе разведения (для раннего выявления болезней и предотвращения вспышек), так и на производственном конвейере (для автоматического контроля качества продукции). Модель подходит для интеграции в фермерские приложения, системы мониторинга и линии автоматизированной сортировки.

Классифицирует микроструктуры стали UHCS по 4 классам изображений. Точность 84.7%.

Это модель компьютерного зрения для автоматического анализа состояния трубопроводов. Она способна по фотографии определить три критических состояния: прорыв, коррозию или дефект сварного шва. Решение позволяет отказаться от сплошного визуального осмотра людьми и перейти к выборочному контролю, ускоряя диагностику и снижая влияние человеческого фактора.
Обнаруживает дефекты сварных швов на изображениях, включая классификацию 'хороший шов', 'плохой шов' и 'дефект'.

Идентификация различных дефектов на стальных поверхностях с помощью YOLOv11m.

Модель компьютерного зрения, которая по фото или видеокадру определяет жест, выполненный рукой (например, жесты «ок», «стоп», «пальцы вверх» и др.). Это решение помогает автоматизировать управление интерфейсами без касаний, отслеживать жесты персонала в системах безопасности и улучшать взаимодействие человек‑машина. Модель подходит для интерактивных приложений, производственной аналитики и систем контроля доступа.

Классификация дефектов полупроводниковых пластин по 8 категориям с высокой точностью.

Автоматическая сегментация тепловых аномалий для неразрушающего контроля и инспекции