Коммерческий · Python / Software Engineering
Система контроля дефектов
Обработка результатов ML и обновления системы контроля дефектов.
- Python
- FastAPI
- WebSocket
- SQLAlchemy
- Alembic
- Docker
Описание обезличено. Исходный код и внутренние материалы не публикуются.
Кратко о проекте и вкладе
Дорабатывал backend интеграции с ML: обработку результатов распознавания, проверку состава и состояние рабочей смены. Согласовал сохранение данных и рассылку обновлений по WebSocket, исправлял запуск фоновой очистки.
Для чего нужен проект
Командная система принимает результаты автоматического распознавания и помогает контролировать состав продукции. Backend связывает обнаруженные объекты с текущей сменой, сопоставляет их с ожидаемым составом и передаёт обновления клиентам.
Что я делал
- Интегрировал обработку результатов распознавания с данными текущей смены.
- Дорабатывал проверку состава и подсчёт ожидаемого количества объектов.
- Согласовывал обработку параллельных обновлений состояния смены.
- Выстроил порядок операций: сначала фиксация транзакции, затем уведомление клиентов.
- Дорабатывал последовательную отправку сообщений по WebSocket и запуск асинхронной фоновой очистки.
Технический подход
FastAPI принимает результаты ML-компонента. Сервер проверяет их, обновляет данные через SQLAlchemy и только после сохранения рассылает новое состояние. Такое разделение связывает уведомления с уже зафиксированными данными.
Моя часть — серверная обработка и интеграция. Модель распознавания и интерфейс разрабатывались в команде. Заказчик и закрытые материалы не раскрываются.