Машинное зрение повышает эффективность производственных процессов
Эта технология - область искусственного интеллекта, обучающая компьютеры интерпретировать и понимать визуальный мир. По цифровым изображениям и видео с камер машины могут точно идентифицировать и классифицировать объекты, а затем реагировать на то, что они видят.
Эксперименты в области компьютерного зрения проводились еще в 1950-х годах с использованием одних из первых нейронных сетей для определения краев объектов и сортировки их по категориям. Сегодня CV применяют в самых разных сферах - от беспилотных автомобилей до горно-обогатительных комбинатов, от сортировочных центров до систем безопасности в аэропортах.
"Машинное зрение как набор технологий для бизнеса является средством автоматизации и контроля за соблюдением процессов и качеством продукции. CV позволяет заменить рутинную работу, например, выявить брак детали на конвейере, опираясь на фото. Человеческие же ресурсы можно перенаправить на более сложные задачи", - говорит Дмитрий Петерсон, операционный директор IT-компании SimbirSoft.
Эксперт приводит в пример проект, где при помощи мобильного приложения со встроенной технологией машинного зрения измеряют диаметр дерева. В итоге работа выполняется в несколько раз быстрее, чем вручную.
Стоимость CV зависит от производственных задач: от считывания штрихкодов или номеров автомобилей до узкоспециализированных проверок качества товара и своевременного обнаружения неисправностей оборудования.
"Стоимость технологии может составлять как один-два миллиона рублей, так и сотни миллионов, - говорит Денис Грачев, основатель социальной сети Freegram. - Внедрение машинного зрения состоит из двух частей - выбора и установки аппаратной части и написания программного обеспечения. В качестве аппаратной части в основном используются камеры, но могут применяться и лидары, радары и другие датчики. В качестве ПО - набор нейросетевых алгоритмов для распознавания и детекции объектов, людей, 3D-сканирования или чтения надписей".
Применять машинное зрение может любое предприятие, необходимы лишь компетенции в создании нейросетей, но это сейчас можно отдавать на аутсорсинг. "Все зависит от масштаба, - соглашается Джимшер Челидзе, основатель и управляющий партнер Chelidze & Partners Consulting. - Одна камера может стоить 15-20 тысяч рублей, работы по созданию нейросети - один-два миллиона, нужен один сервер, а дальше все зависит от количества камер, организации связи и эффективности внутренних процессов на ее сопровождение".
Например, на КАМАЗе внедрили машинное зрение для контроля качества сборки кабин. Технология анализирует размеры зазоров и безошибочно выявляет брак. На Стойленском ГОКе аналогичная система позволила оптимизировать процесс загрузки вагонов рудой. Планируемый эффект от внедрения - около 70 миллионов рублей в год, говорит эксперт.
"Горнодобывающие компании, потратив 100-200 тысяч долларов, могут получать экономический эффект в миллионы долларов в год, а период внедрения технологии составляет всего пару месяцев", - говорит Михаил Макеев, основатель и управляющий директор компании Piklema.
Между тем технология машинного зрения не стоит на месте. CV переходит от анализа статичных изображений к отработке динамичных сцен. "Удешевление процесса создания моделей ИИ - один из векторов развития технологии машинного зрения", - говорит Джимшер Челидзе. По словам эксперта, сейчас ключевое ограничение технологии CV - это большое количество структурированных данных, которые нужно подготовить. Без этого невозможно "обучить" нейросеть. С развитием технологии, получением более продвинутых моделей ИИ нейросети смогут одновременно анализировать и наличие каски, и правильность выполнения работ, и прочие параметры.