Стажировка по проекту
Компания: ООО Вирджиния
Система обнаружения и классификации ковров
Суть проекта
Задача
Для чего
Вводные данные
Выходные данные
Разработать модель машинного обучения для подсчета ковров при разгрузке машины. Программа должна классифицировать ковры на 5 размеров и подсчитывать их количество при выгрузке человеком
- Проведя работу по созданию датасета на первых данных, осуществили эксперименты по обучению моделей YOLO 7 и 8, результат оказался слабым с точностью менее 80%. Проведя встречу с заказчиком, было принято решение о внесении изменений в форму одежды, о запрете выгружать более одного ковра. После чего произвели изменение датасета. Результат оказался лучше, в пределах до 95%.
- Разработали несколько вариантов нейроных сетей для решения задачи с имеющимися требованиями, лучшим результатом оказалась U-net, которая принимала на вход разницу кадров и извлекала паттерны из них, для получения классификации дополнили алгоритмом вписанной окружности в баунтинбокс, что позволило увеличить узнаваемость классов, даже на видео 640х320px. Обученная нейронная сеть на одном датасете показала 100% результат классификации
- Имеются две камеры видеонаблюдения (1920х1080 px 19fps, 640x320 25fps), которые обладают различными друг от друга характеристиками и углами обзора приемного помещения, у каждой камеры имеется слепая зона.
- При просмотре видеоматериала для датасета выявлено:
- В наблюдение попадают люди, которые занимаются складской логистикой одновременно с приёмкой нового товара;
- Приёмное помещение каждой камерой наблюдения не просматривается для полного видения всех зон разгрузки;
- Ковры разгружаются методом выбрасывания из кузова в условные зоны, без точной градации по размерам;
- Ковры выбрасываются парами и тройками;
- Одежда разгружающего часто совпадает с ковром, что сбивает нейронную сеть
Данная система позволяет производить подсчет принимаемого на склад товара по количеству и размерам
Участники
команды проекта
команды проекта
- Бобрешов АлексейТимлид проектаАлексей - руководитель группы разработчиков, отвечал за полную разработку проекта
- Бойцов АнтонГлавный инженерный специалист по продажам, установке, обслуживанию и ремонту неэлектрических дозирующих насосов
- Разработка U-net модели для классификации;
- Разработка фреймворка для создания датасета на базе OpenCV;
- Разработка версии классификатора на основе вписанного эллипса в bb-координаты ковров
- Кузнецов АлександрСпециалист по конвейерным компонентам. ООО «Майнинг элемент»
- Подготовка данных и создание датасетов;
- Проведение экспериментов на получение первых результатов с различными архитектурами нейросетей, составление сложных и простых алгоритмов;
- Тренировка и повышение качества весов моделей (промт)
- Зотова АнастасияData Science / Разработчик C++ / Python
- Разработка алгоритма Faster RCNN для подсчета ковров;
- Реализация трекера и составление датасета
- Кобызев ЮрийНачальник отдела информационных систем ООО СТЭККОМ
- Проверка гипотез по обработке имеющихся данных;
- Получение высокой точности на классических вариантах как YOLO
- Стреколовский МаксимРазработчик AI, AR, VR
- Тестирование кода;
- Оптимизация работы нейросетевых моделей (FasterRCNN ResNet50)
- Масленников ВиталийПрограммист
- Подготовка данных и создание датасетов;
- Проведение экспериментов на получение первых результатов с различными архитектурами нейросетей, составление сложных и простых алгоритмов;
- Тренировка и повышение качества весов моделей (промт)
- Казанцева ОксанаАндеррайтер в банке и крупной логистической компании
- Подготовка данных и создание датасетов;
- Проведение экспериментов на получение первых результатов с различными архитектурами нейросетей, составление сложных и простых алгоритмов;
- Тренировка и повышение качества весов моделей (промт)
- Бочаров Алексейинженер АСУ ТП в ООО «Поток»
- Подготовка данных и создание датасетов;
- Проведение экспериментов на получение первых результатов с различными архитектурами нейросетей, составление сложных и простых алгоритмов;
- Тренировка и повышение качества весов моделей (промт)
- Шадрина ОльгаИТ-менеджер на промышленном предприятии
- Подготовка данных и создание датасетов;
- Проведение экспериментов на получение первых результатов с различными архитектурами нейросетей, составление сложных и простых алгоритмов;
- Тренировка и повышение качества весов моделей (промт)
- Алексеев ПавелUnity Developer / участвовал в разработке цифровой платформы музея РЖД
- Подготовка данных и создание датасетов;
- Проведение экспериментов на получение первых результатов с различными архитектурами нейросетей, составление сложных и простых алгоритмов;
- Тренировка и повышение качества весов моделей (промт)
- Заикин Михаил
- Разработка алгоритмов подсчета ковров;
- Эксперименты с получением первых результатов от YOLOv7 и YOLOv8
Демонстрация проекта