ИИ против вмятин: Виталий Новицкий о новой технологии диагностики повреждений кузова

С 19 по 22 августа в Москве прошла международная выставка автомобильной индустрии, где были представлены новейшие технологии ухода, ремонта и диагностики автомобилей. Одной из ключевых тем стало внедрение искусственного интеллекта и компьютерного зрения в традиционные процессы автосервиса.

Особое внимание привлекли разработки в области беспокрасочного удаления вмятин (PDR) — технологии, которая активно используется в США и Европе еще с 1970-х годов. Сегодня этот метод переживает новый этап развития: в него интегрируются современные цифровые решения, которые позволяют значительно повысить эффективность диагностики и ремонта. Если раньше диагностика повреждений кузова полностью зависела от визуального осмотра и опыта автомастера, то сегодня на помощь приходят алгоритмы машинного обучения, способные обнаруживать дефекты с точностью до долей миллиметра.

О том, как создаются подобные технологические решения и куда движется индустрия авторемонта, мы поговорили с Виталием Новицким — основателем международного бренда Glexo по беспокрасочному удалению вмятин. Он и его команда разработали технологию обнаружения вмятин с помощью компьютерного зрения и искусственного интеллекта. В интервью Виталий рассказал о технических особенностях разработки, процессе обучения нейросетей, вызовах при работе с различными типами поверхностей и о том, действительно ли в будущем владельцам автомобилей не придется ехать в сервис для оценки повреждений.

𝓲

Фото: Личный архив Виталия Новицкого

— Виталий, сегодня искусственный интеллект — тема номер один в мире технологий, но когда речь заходит об автоиндустрии, обычно подразумевают автопилоты и системы компьютерного зрения для беспилотного управления. А где еще сейчас применяется ИИ в автомобильной сфере?Международный конгресс по anti-age и эстетической медицине — ENTERESTET 2026

— На самом деле искусственный интеллект все активнее используется не только в автопилотах. Это и системы предиктивного обслуживания, когда по телеметрии и сенсорам прогнозируется возможная поломка узлов. Это и анализ данных при страховых кейсах, автоматическое распознавание повреждений на фото после ДТП. В производстве ИИ помогает на этапах контроля качества, например, при осмотре кузова после покраски или сварки. Постепенно ИИ приходит и в сервис, диагностику, расчет стоимости ремонта, подбор запчастей, то есть круг задач становится все шире, и автопром давно перестал воспринимать ИИ только как «автопилот».

— Вы основатель международной компании, которая занимается технологиями и инструментами беспокрасочного удаления вмятин. Расскажите, как сейчас обычно обнаруживаются вмятины на кузове автомобиля, это происходит только визуально или существуют другие методы?

— Методы диагностики напрямую зависят от того, насколько развит рынок беспокрасочного ремонта в конкретной стране. В России, например, из-за слабого внедрения PDR-технологий основной способ обнаружения вмятин до сих пор визуальный. Для визуального осмотра используются специальные инструменты — лампы с линейными фильтрами. Это накладки, где чередуются черные и белые полосы. В отраженном свете на месте повреждения хорошо видно искривление этих линий — они превращаются в наклонные и S-образные искажения, которые легко считывать глазом. Есть также диагностические экраны с нанесенными чередующимися линиями, но без подсветки — они эффективны при хорошем освещении. Предпринимались попытки внедрить классические подходы фотометрии: делается несколько снимков одной области под разными углами освещения, затем алгоритмически восстанавливаются нормали, по которым строится карта микрорельефа. С 2016-2017 годов начали появляться более современные методы — автоматизированное сканирование повреждений на основе видеоаналитики. Обычно это рамочная конструкция с камерами, через которую проезжает автомобиль. В процессе сканирования составляется карта повреждений и оценка трудозатрат. Такие системы постепенно внедряются в западных странах, особенно в США, где ежегодно проходят масштабные градовые бури, повреждающие тысячи автомобилей. Оценивать объем работ вручную в таких условиях крайне сложно, поэтому потребность в автоматизации там особенно высока.

— Как родилась идея применить компьютерное зрение для обнаружения вмятин на автомобилях? Какие этапы прошла разработка технологии?

— Идея родилась из понимания ограничений существующих методов диагностики. Человеческий глаз, хоть и точный прибор, но неидеальный. Накопленная усталость, неверный или постоянный угол наблюдения, неподходящее освещение — слишком яркое или тусклое, плохо подготовленная поверхность, хаотичный маршрут осмотра — все это может привести к банальному пропуску повреждения. А то, что на тот момент было на рынке из автоматизированных систем — большие сложные инженерные комплексы, арки и порталы, которые не всегда финансово целесообразно устанавливать. Поэтому мы хотели уйти от массивности к упрощению технологической базы. Основная цель — перейти от больших систем к решениям на базе смартфона, который есть у каждого техника. Важно уточнить, что компьютерное зрение — это лишь одна из используемых нами технологий. Чистое компьютерное зрение упирается в нюансы реального мира: блики, освещение, цвет поверхности. Поэтому мы комбинируем несколько подходов — лидары и облака точек, непосредственное компьютерное зрение, дефлектометрию, превентивную аналитику на базе искусственного интеллекта. Ключ не в одном «чудо-алгоритме», а в правильном пайплайне данных и процессов: компьютерное зрение определяет «кандидатов на повреждения», облака точек учитывают геометрию, далее дефлектометрией строим микроуровень детализации, и объединяем все это в единой координатной системе.

— Как проходил процесс подготовки данных для обучения модели? Есть ли определенные цвета или типы поверхностей автомобилей, которые труднее поддаются автоматическому анализу?

— Текущую модель обучали на данных, которые собирали в полевых условиях при помощи коллег-техников в Хорватии и США. Мы создали два устройства с черновым функционалом и в обеих локациях отсняли несколько сотен автомобилей. Разметку данных делали своими силами в два прохода с дополнительной ревизией через специалистов отрасли. Что касается сложностей с различными поверхностями, освещение для детекции крайне критично, поскольку мы читаем форму поверхности через управляемый блик и градиенты. Есть цвета и покрытия, которые создают серьезные проблемы. В первую очередь, это белый цвет, перламутр и черный глянец. Все это варианты с низкими контрастностями. В таких случаях приходится алгоритмически корректировать изображение с помощью фильтров и иногда использовать более одного прохода сканирования для получения достоверной картины повреждений. По сути, система должна компенсировать физические особенности этих покрытий программными методами.

— Если ваше техническое решение будет доступно каждому технику и позволит ускорить процесс диагностики до минуты на кузов, экономя миллионы трудо-часов в год по всему миру, как изменится сам процесс диагностики и ремонта?

— Прежде всего, это даст стандартизацию процесса и повышение точности диагностики. Меньше споров между клиентами и мастерами, меньше эскалаций, меньше времени, потраченного на нецелевую деятельность. Цифровизация процесса позволит кардинально изменить формат работы в удобную для всех сторону. Владельцу автомобиля станет необязательно ехать на оценку. Он сможет провести диагностику самостоятельно с помощью смартфона и отправить специалисту детализированную цифровую карту повреждений для понимания сложности предстоящих работ.

— Ваше решение может использоваться не только в автосервисах, но и в страховании, логистике, автопрокате — практически везде, где нужна быстрая объективная оценка повреждений кузова. Насколько эти отрасли готовы к внедрению подобных технологий?

— Как и весь мир, все отрасли движутся к цифровизации и автоматизации. Страховые компании уже активно внедряют различные цифровые решения для оценки ущерба. Логистические компании тоже заинтересованы в быстрой и объективной фиксации состояния транспортных средств. Компании автопроката понимают ценность технологий, которые помогают избежать споров с клиентами. Думаю, готовность к внедрению будет зависеть от конкретного рынка и его зрелости. Там, где высокая конкуренция и большие объемы, новые технологии внедряются быстрее.

Автор: Николай Бородин