Инвентаризация стройматериалов с использованием беспилотников и нейронных сетей
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
Тезисы
В условиях растущей автоматизации и использования беспилотных технологий в строительстве стало возможным обеспечивать строгий контроль и регулярный учет стройматериалов. Особенно это актуально для крупных строительных площадок, где традиционные методы учета часто неэффективны. Мы предлагаем использовать беспилотники и нейронные сети для объективного и беспристрастного обнаружения и подсчета материалов на всей территории стройплощадки.
Общий процесс:
Аэрофотосъемка: С помощью аэрофотосъемки мы получаем ортофотоплан и 3D-представление (в виде облака точек) строительной площадки.
Анализ данных: Используем нейронные сети для обнаружения и идентификации материалов на основе ортофотоплана.
Подсчет объектов: По облаку точек мы достоверно определяем количество строительных материалов (начали наше исследование с кирпича, как очень распространенного материала).
Результаты и точность:
Наша модель достигла точности 98% в обнаружении кирпичей на снимках. Ошибка при подсчете количества кирпичей составляет менее 2%, что говорит о точности и надежности системы.
Преимущества и перспективы:
Автоматизация и контроль: Наше решение позволяет значительно упростить и ускорить процесс учета материалов, обеспечивая точность и прозрачность.
Интеграция в системы учета: Мы видим большие перспективы для интеграции этой технологии в существующие системы управления строительством, что позволит обеспечить оперативный и непрерывный мониторинг.
Широкое применение: Достигнутые результаты демонстрируют потенциал для масштабирования и применения данной технологии на различных строительных объектах, что способствует улучшению управления ресурсами и снижению операционных затрат.
Разработчик-исследователь
Опыт работы в области машинного обучения и обработки изображений более 5 лет. Среди предыдущих проектов можно выделить следующие:
- автоматическая классификация товаров на кассе и фруктов/овощей на весах в качестве ассистирующей системы для ускорения времени на обслуживание клиента (разработка модулей с нейронными сетями);
- отслеживание действий покупателей (задача pose estimation) и фиксация взятия/возврата товаров с полок в рамках проекта по разработке магазина без кассира;
- поиск похожих товаров по изображениям и названию в интернет-магазинах;
- контроль доступа и учет рабочего времени на основе распознавания лиц сотрудников.
Образование ФИТ НГУ
Digital Research
Ранее занимался физикой твердого тела, учился в Школе анализа данных Яндекса. В IT с 2023 года. Занимаюсь классическим машинным обучением и компьютерным зрением.
Digital Research
Видео
Другие доклады секции
ML и AI в производственных компаниях
