Как мы автоматизировали распознавание составов с упаковок по штрихкоду

AI решения инструменты кейсы карьера +7 (495) 204-14-33 Стать клиентом Как мы автоматизировали распознавание составов с упаковок по штрихкоду Время на прочтение: 4 мин. Проект Сервис распознавания и учета составов товаров Год 2025 Клиент Крупный дистрибьютор импортных товаров с ассортиментом, включающим сотни SKU на рынке. Ситуация на старте проекта У большинства брендов в портфеле клиента отсутствовали готовые цифровые данные о составе продукции. Единственным источником информации были цифровые макеты упаковок. Проблематика С 2024 года появилась необходимость загружать данные о составе товаров в национальный каталог. Процесс оцифровки выполнялся вручную, что существенно замедляло работу и приводило к ошибкам. Бизнес-результат Процесс оцифровки состава стал практически полностью автоматизированным.

Теперь достаточно загрузить изображение — дальше все делает система: извлекает текст, находит штрихкод, связывает состав с конкретным товаром и формирует структурированные данные. Готовые файлы можно сразу использовать для загрузки в PIM-систему или любую другую систему, содержащую данные о товарах, и последующей передачи в национальный каталог. Ручной труд сводится к проверке результата — это сокращает затраты времени и снижает риск ошибок. Комментарий менеджера KT.Team «На момент старта у нас не было аналогичных кейсов — это был первый проект, где нужно было не просто распознавать штрихкоды и текст, но и точно выделять нужные области на упаковке, часто расположенные под углом или в разных проекциях. Это потребовало от команды глубокой проработки подхода и настройки каждого этапа пайплайна. Мы сделали сервис распознавания ориентированным для бизнеса клиента.

При выходе на рынок новых видов упаковок возможна доработка сервиса под них. Благодаря этому наш клиент готов к расширению ассортимента, а команда занята более приоритетными задачами.» Процесс разработки Бизнес-запрос на старте Автоматизировать распознавание состава на сотнях упаковок, чтобы отказаться от трудозатратной ручной обработки и ускорить подготовку данных для загрузки в национальный реестр. Время разработки 6 месяцев с начала обсуждений и всего 3 месяца от начала разработки до запуска рабочей системы. Результат Сервис распознавания составов позволил кратно сократить время обработки данных: вместо 30 минут на одну упаковку теперь за 2 минуты система автоматически обрабатывает до 10 изображений. При этом точность распознавания составляет 80–95%.

Как это работает Сервис запускается автоматически по расписанию и проходит следующие шаги: проверяет загруженные PDF-файлы и находит блок с составом продукта (раздел «Ингредиенты»); распознает текст и извлекает информацию о составе; находит штрихкод на упаковке для точной привязки состава к товару; формирует отчет, в котором каждому штрихкоду соответствует распознанный состав. Если какое-либо изображение не удалось распознать, это также будет зафиксировано в отчете — пользователь сразу видит, какие файлы требуют ручной проверки. Готовый отчет можно загружать в любую мастер-систему — за счет использования штрихкода данные корректно соотносятся с нужным товаром. Стек технологий Сервис распознавания реализован как распределенное решение с использованием современных инструментов компьютерного зрения и архитектурных подходов: Язык разработки Go для высокой производительности.

Микросервисная архитектура, асинхронное взаимодействие через очередь сообщений RabbitMQ: сервис получает задания, обрабатывает их и возвращает результаты обратно в очередь. Интеграция с SMB/FTP для загрузки PDF-документов. Два отдельных модуля для работы с файлами: один отслеживает новые загрузки, второй формирует итоговые Excel-отчеты. Для распознавания и извлечения состава используется многоступенчатый пайплайн обработки изображений, включающий как классические алгоритмы компьютерного зрения, так и OCR-инструменты: Конвертация: преобразование PDF в изображения. Поиск контуров: выделение границ объектов с помощью OpenCV. Иерархия контуров: определение вложенных областей (например, на упаковках). Кластеризация: группировка элементов с помощью DBSCAN для выделения текстовых блоков. Фильтрация: отбор участков изображения, с высокой вероятностью содержащих текст и штрихкод.

Распознавание текста: использование Tesseract OCR. Извлечение состава: поиск ключевых слов (например, «ингредиенты») с учетом искажений, нормализация текста, при необходимости — инверсия цветов и поворот изображения. Распознавание штрихкода: использование библиотеки ZXing или поиск последовательности из 13 цифр в OCR-результатах. Что было дальше Система уже работает в продуктиве и помогает клиенту оперативно обрабатывать данные о составах. На текущий момент с ее помощью успешно распознано более 500 упаковок. Доработки и обновления вносятся по мере появления новых товаров, готовящихся к выходу на рынок. Для реализации автоматической передачи данных в национальный каталог в PIM-системе реализован инструмент формирования Excel-шаблонов, индивидуальных для каждого ТН ВЭД. Формы автоматически заполняются данными из PIM, с учетом преобразований и сопоставлений со справочниками.

Пользователю остается только скачать готовый файл и загрузить его в личный кабинет национального каталога, но это уже другая история. Пришлем вам необходимые материалы или КП Напишите нам: clients@kt.team Ответим в течение 30 минут!

Оглавление Клиент Ситуация на старте проекта Проблематика Бизнес-результат Комментарий менеджера KT.Team Процесс разработки Что было дальше Другие кейсы Смотреть все Реализация новой темы на Magento в рамках редизайна интернет-магазина Подробнее Интеграция Kafka в enterprise-инфраструктуру проекта Подробнее Разработали единый API для быстрого подключения 200+ систем «1С:Розница» Подробнее Давайте обсудим ваш проект С вами свяжутся персональные менеджеры clients@kt.team Email: @kt_team_it Telegram: Мы используем файлы cookie, чтобы предоставить наилучшие возможности сайта Ок О нас Услуги Кейсы Блог Карьера Основы ценообразования Бизнес-стажировка Отзывы PIM/MDM-системы ESB-интеграции DevOps Low-code Микросервисы B2B-порталы и e-commerce PWA Magento Калькулятор проекта Unit-экономика © 2026 ООО «КТ Групп» ООО «КОМПЛИЦЕРТЕ ТЕХ» Komplizierte Technologien, GmbH Россия Тольятти, ул.

40 лет Победы, 41 Москва, Романов переулок, 2с1, пространство Noodome clients@kt.team +7 (495) 204-14-33 Положение о работе с персональными данными →