Разметка данных

Качество размеченного датасета напрямую определяет точность финальной модели. Смещение классов на 3-5 % на этапе аннотации приводит к падению precision на 15-20 % при промышленном внедрении.

Разметка решает три практические задачи:

• Формирует эталонный набор для обучения алгоритмов распознавания дефектов, деталей, аномалий.
• Создаёт базу для контроля качества работы модели на валидационных выборках.
• Обеспечивает измеримый критерий приемки модели перед запуском в цех.

Без размеченных данных любое AI-решение остаётся на уровне гипотезы.

Процесс строится из последовательных этапов. Разметчики — технологи, операторы или привлечённые эксперты — открывают сырой датасет в специализированном ПО и проставляют аннотации. Типы меток зависят от задачи: прямоугольная рамка (bounding box) для локализации дефекта, полигон для точного контура, класс для категории, значение для числового параметра.

Этапы процесса с описанием и результатом каждого — в таблице.

Этап	Действие	Результат
1	Сбор сырых данных с камер, датчиков, PLC	Исходный датасет без меток
2	Выбор инструмента разметки и назначение разметчиков	Настроенный рабочий процесс
3	Простановка аннотаций по инструкции (класс, рамка, полигон)	Первичный размеченный датасет
4	Контроль согласованности — несколько разметчиков на одних фрагментах	Оценка межразметчикового расхождения
5	Разрешение спорных случаев по регламенту с экспертом	Консенсусная разметка
6	Сплит датасета на обучающую, валидационную и тестовую части (обычно 70/15/15)	Три выборки для обучения и контроля
7	Итеративная корректировка по результатам тестирования модели	Актуализированная разметка

На каждом цикле датасет может возвращаться на доразметку — когда модель показывает низкую уверенность на определённых классах, эти примеры отправляют эксперту для уточнения.

На практике используют три основных варианта организации процесса. Каждый имеет свою область применения и ограничения.

Критерий	Ручная разметка экспертами	Полуавтоматическая (pre-labeling)	Аутсорсинг через платформы
Точность меток	Высокая (доменная экспертиза)	Средняя — зависит от качества пре-модели	Низкая-средняя без профильного контроля
Скорость обработки	Низкая — 50-200 кадров в час	Высокая — модель размечает, человек верифицирует	Высокая — параллельная работа сотен разметчиков
Стоимость одного объекта	Высокая (время инженера)	Средняя (соотношение 1:3 — 1:5 по времени)	Низкая на объёме, но скрытые затраты на контроль
Применимость для редких дефектов	Высокая — эксперт знает нетипичные случаи	Средняя — пре-модель не обучена на редкостях	Низкая — аутсорсер не имеет отраслевого контекста
Контроль качества на всём датасете	Полный	Частичный (проверяют расхождения)	Фрагментарный — проверяют только выборочно

Автоматизация без контроля качества не рекомендуется: модель, обученная на "грязной" разметке, выдаёт нестабильные результаты на новых партиях. Оптимальный компромисс — предварительная разметка обученной моделью с последующей верификацией технологом (pre-labeling + human-in-the-loop). Такой подход сокращает трудозатраты в 3-5 раз без потери качества при условии чёткого регламента верификации.

Инвестиции в разметку окупаются, если проект удовлетворяет нескольким условиям. В таблице — пороговые значения для принятия решения.

Условие	Пороговое значение	Действие
Ожидаемое снижение ручного контроля качества	> 30 % трудозатрат	Проект экономически оправдан
Разнообразие типов дефектов на линии	> 5 классов	Обязательна детальная классификация
Частота появления нетипичных дефектов	> 2 % от объёма	Требуется отдельное аннотирование редкостей
Число камер на линии	> 3 единиц	Необходима автоматизация процесса разметки
Доступность технологов для аннотации	> 10 часов в неделю	Можно вести ручную разметку силами предприятия
Бюджет на подготовку датасета	> 500 тыс. руб.	Целесообразен наём специализированного подрядчика

Минимальный объём для старта обучения определяется экспериментально — универсального числа не существует. Для простой бинарной классификации (брак/годен) достаточно 500-1000 размеченных кадров. Для сегментации дефектов сварных швов требуется от 5000 аннотированных изображений с учётом разных условий освещения и положений детали.

• Визуальный контроль качества — разметка кадров с дефектами покрытия, царапинами, сколами, трещинами на литых и штампованных деталях.
• Классификация брака — присвоение категорий типовым отклонениям (недолив, утяжина, разнотолщинность) для автоматической сортировки.
• Сегментация деталей на конвейере — выделение контуров узлов на сборочных линиях для подсчёта и проверки комплектности.
• Мониторинг состояния по виброакустике — маркировка участков сигнала с аномальными частотами, соответствующими деградации подшипников или дисбалансу.
• Анализ журналов PLC и SCADA — разметка временных рядов с предотказными паттернами для предиктивной диагностики.

1. Разметка силами неспециалистов без отраслевого контекста — операторы понимают процесс, но не знают критериев дефекта по стандарту; проектировщики знают стандарты, но не видят процесс в динамике. Классы смешиваются. Решение — привлекать технологов, которые работают с дефектами ежедневно.

2. Датасет не покрывает редкие классы — модель обучается на частых дефектах и пропускает нетипичный брак. На производстве редкие классы составляют 2-5 % объёма, но именно они дают наибольшие потери. Решение — целенаправленный сбор и даунсемплинг редких случаев.

3. Отсутствие контроля консистентности между разметчиками — один оператор отмечает трещину, другой — царапину, третий пропускает оба дефекта. Межразметчиковое расхождение выше 5 % делает датасет непригодным для обучения. Решение — регулярные калибровочные сессии и метрика согласованности (Cohen's Kappa).

4. Разметка без учёта вариативности условий съёмки — модель обучается на кадрах при идеальном освещении и отказывает в цеховых условиях с бликами, тенями, смещением детали. Решение — включать в датасет все реальные условия работы камер.

5. Экономия на проверке размеченных данных — выборку не перепроверяют после разметки. Ошибки накапливаются, модель учится на шуме. Решение — выделять 10-15 % датасета на кросс-проверку независимым экспертом.

Разметка данных — обязательный этап подготовки обучающей выборки для моделей компьютерного зрения и предиктивной аналитики. Качество аннотаций напрямую определяет точность промышленного AI: смещение классов на 5 % снижает precision на 15-20 %. Эффективный подход — полуавтоматическая разметка с верификацией экспертом и контролем согласованности между разметчиками, что сокращает трудозатраты в 3-5 раз при сохранении качества датасета.