Использование искусственного интеллекта в промышленности

КЕЙС CORTEL В ПРОМЫШЛЕННОМ СЕКТОРЕ

С 20 по 24 июля 2022 года проходит VIII Межрегиональный форум «Уникальный Алтай – 2022», приуроченный к 25-летию Президентской программы подготовки управленческих кадров по теме: «Импортозамещение и экспорт в новых экономических условиях».

На форуме возглавляем сессию “Цифровизация промышленности”.
Поговорим об искусственном интеллекте, аналитике данных и промышленном iot.
Показываем отраслевые кейсы.

КЕЙС 1

Распознавание запчастей агротехники

Какую задачу решали?

Клиенты интернет-магазина запчастей не знают названий некоторых запчастей и отправляют фотографии сломанных деталей в службу поддержки.

Было необходимо разработать сервис распознавания сломанных деталей по фотографии и систему рекомендации.

Решение

Программно-технический комплекс

Решение основано на сверточной нейронной сети. Клиенту предлагается сфотографировать деталь под двумя разными углами и отправить через сайт на сервис распознавания.

Результатом является поисковая выдача пяти наиболее вероятных вариантов деталей.

Результат

КЕЙС 2

Учет добываемой горной массы с помощью компьютерного зрения

Задачи

1. Идентификация техники по бортовому номеру и привязка к смене
2. Учет веса горной массы (подсчет кол-ва ковшей/кузовов)
3. Формирование отчета по смене и интеграция с системой учета заказчика

Решение

• Разработаны рекомендации по организации видеоаналитики в сложных условиях рудной добычи, с учетом требований к используемой технике.

• Разработана архитектура ПАК, состоящая из наборов защищенных камер.

Архитектура сервиса

Модель компьютерного зрения для определения наличия или отсутствия транспортного средства на изображении во время анализа видеопотока

Определение бортового номера

1. Находим область на изображении с наличием символов
2. OCR — подходы (оптическое распознавание символов)

Получив область для распознавания, «читаем» номер с бортов и сопоставляем со списком транспортных средств, доступных на смене.

Сопоставление бортовых номеров со списком смены позволяет определять тип используемой техники (например, для определения весов и объемов рудопотока в кузове и/или ковше, а синхронизация с временем камеры поможет точно подсчитать перевезенный за смену объем), определить исполнителя работ для контроля качества и скорости работы и т.д.

Результат

КЕЙС 3

Детекция и анализ передвижений грузовых машин в международных портах

Какие задачи решали?

В видео-трансляции с камер в портах требуется:

• находить грузовые машины и анализировать их маршруты;
• оптимизировать логистику: ускорение передвижения грузовиков в порту, исключения простоя транспорта;
• контролировать перемещение контейнеров в порту для сокращения потерь грузов.

Решение

1. Поиск грузовых машины в потоке видео, выделение кабины, шасси и груза.
2. Классификация по ряду отличительных характеристик: цвет, форма кабины, наличие/отсутствие спального места, размер груза, тип люка и т.д.
3. Построение карты маршрута — система находит на смежных кадрах один и тот же грузовик и строит, исходя из этого, карту с маршрутами этих грузовых машин.

Результат

КЕЙС 4

Подсчет складских остатков на производственной линии с помощью компьютерного зрения

Задачи

На площадях рядом с производственной линией на паллетах располагается сырье в разнообразных
формах упаковки. При работе производственной линии запасы расходуются.

1. Распознавание остатков:

• Паллеты, находящиеся на размеченной платформе

• Канистры на стеллажах

2. Контроль наличия сырья

3. Получение уведомлений о статусе остатков сырья

4. Своевременное получение заявок на пополнение

Решение

• Анализ видеопотока
  Система определения остатков в определенных зонах, которые настраиваются калибровкой камеры
• Захват изображения
  Изображения с камеры захватываются и распознаются алгоритмами компьютерного зрения
• Уведомления
  После обнаружения объекта в откалиброванной зоне, отправляется уведомление (алерт) на сервис:
  “Ячейка занята”/ “Ячейка пуста”.

Архитектура сервиса

Результат