بازگشت به نمونه‌کارهانرم‌افزار

Rangnama

مشتری عکس اتاق یا نمای ساختمانش را می‌گذارد و هوش مصنوعی در چند ثانیه دیوارها را تشخیص می‌دهد و با رنگ انتخابی رنگ می‌کند — با حفظ نور، سایه و بافت واقعی عکس.

درخواست پروژه‌ی مشابه
تکنولوژی
Python · FastAPI · PyTorch
تصاویر پروژه
۲ تصویر

معرفی پروژه

رنگ‌نما محصول هوشیوا برای فروشندگان و تولیدکنندگان رنگ ساختمانی است. سخت‌ترین مرحله‌ی خرید رنگ، تصمیم‌گیری است: مشتری نمی‌داند رنگی که روی کاتالوگ دیده، روی دیوار خانه‌ی خودش چه شکلی می‌شود. در رنگ‌نما مشتری فقط یک عکس می‌گذارد (یا یکی از فضاهای نمونه را انتخاب می‌کند)، هوش مصنوعی دیوارها را از مبلمان، پنجره، قاب و سقف جدا می‌کند و دیوار را با هر رنگی از کاتالوگ رنگ می‌کند؛ نتیجه با یک اسلایدر «قبل و بعد» کنار عکس اصلی دیده می‌شود.

نیاز و مسئله

شبیه‌سازهای رنگ معمولی یا روی عکس‌های آماده و کارتونی کار می‌کنند، یا رنگ را یکدست و تخت روی تصویر می‌ریزند و نور و سایه‌ی واقعی را از بین می‌برند؛ نتیجه برای مشتری قابل اعتماد نیست. سرویس‌های ابری هم برای هر تصویر هزینه دارند و عکس خانه‌ی مشتری را به سرور شخص ثالث می‌فرستند.

راهکار

یک موتور پردازش تصویر ساخته شد که تشخیص دیوار را با مدل‌های بینایی ماشین و رنگ‌آمیزی را در فضای رنگی Lab انجام می‌دهد؛ یعنی فقط رنگ عوض می‌شود و روشنایی، سایه و بافت هر پیکسل دست‌نخورده می‌ماند. کل پردازش روی سرور خود فروشنده اجرا می‌شود: بدون هزینه‌ی هر تصویر و بدون خروج عکس مشتری از سیستم.

چطور ساختمش

  1. ۰۱

    تشخیص سطح با مدل بخش‌بندی معنایی (Mask2Former) انجام می‌شود و لبه‌های ماسک با مدل SAM و فیلتر لبه‌گیری دقیق می‌شوند تا رنگ روی سقف، کابینت یا گچبری سرریز نکند.

  2. ۰۲

    موتور رنگ‌آمیزی در فضای رنگی Lab کار می‌کند: کانال روشنایی حفظ می‌شود و فقط رنگ جایگزین می‌شود؛ ترکیب نهایی در فضای خطی نور انجام می‌شود تا نتیجه طبیعی باشد.

  3. ۰۳

    قلم هوشمند برای اصلاح دستی: یک کلیک روی یک تکه آن را انتخاب یا حذف می‌کند و قلم رنگ‌آگاه فقط پیکسل‌های هم‌رنگ را می‌گیرد؛ اصلاح بلافاصله پس از رها کردن قلم اعمال می‌شود.

  4. ۰۴

    کاربر می‌تواند سطح رنگ‌شونده (دیوار، دیوار و سقف، فقط سقف)، حالت نور محیط (طبیعی، گرم، سرد، شب) و شدت رنگ را انتخاب کند.

  5. ۰۵

    فضاهای نمونه با ماسک از پیش آماده شده‌اند تا نتیجه‌ی آنی و دقیق نشان داده شود.

  6. ۰۶

    در کنار پیش‌نمایش، ماشین‌حساب مقدار رنگ، کارت پیشنهاد آماده‌ی ارسال برای مشتری، فرم ثبت درخواست مشاوره و یک داشبورد مدیریتی برای آمار استفاده و رنگ‌های پرطرفدار ساخته شد.

  7. ۰۷

    کل سامانه با Docker بسته‌بندی شده و روی سرور بدون اینترنت هم اجرا می‌شود.

امکانات

  • تشخیص خودکار دیوار و سقف با هوش مصنوعی
  • رنگ‌آمیزی واقع‌گرایانه با حفظ نور، سایه و بافت
  • مقایسه‌ی قبل و بعد با اسلایدر روی تصویر
  • قلم هوشمند برای اصلاح سریع
  • انتخاب نور محیط و شدت رنگ
  • کاتالوگ رنگ با خانواده‌ها و مجموعه‌های پیشنهادی
  • ماشین‌حساب مقدار رنگ و برآورد هزینه
  • کارت پیشنهاد رنگ قابل ارسال برای مشتری
  • ثبت درخواست مشاوره (لید فروش)
  • داشبورد مدیریتی آمار استفاده
  • پردازش کاملاً محلی؛ بدون هزینه‌ی هر تصویر
  • تم تیره و روشن، سازگار با موبایل

نتیجه

ابزاری که تصمیم‌گیری مشتری را از «حدس زدن روی کاتالوگ» به «دیدن رنگ روی دیوار خودش» تبدیل می‌کند و برای فروشنده، هم ابزار فروش است و هم منبع داده درباره‌ی رنگ‌های پرطرفدار و مشتریان علاقه‌مند.

تکنولوژی‌ها و برچسب‌ها

  • Python
  • FastAPI
  • PyTorch
  • Mask2Former
  • SAM
  • OpenCV
  • JavaScript
  • Docker
  • رنگ‌نما
  • Rangnama
  • پیش‌نمایش رنگ دیوار
  • شبیه‌ساز رنگ ساختمان
  • تغییر رنگ دیوار با هوش مصنوعی
  • انتخاب رنگ ساختمان
پروژه‌ی بعدیرادار بازار — پلتفرم هوشمند پایش قیمت رقبا
پروژه‌ی بعدی

اگر نیاز مشابهی دارید یا ایده‌ای برای یک راهکار اختصاصی در ذهن دارید، بیایید درباره‌اش صحبت کنیم.