Стажировка | ООО МНПП «АНТРАКС»

AI проекты

Этапы подбора

Резюме

Оставить заявку на трудоустройство

Блог

Почему услуга бесплатна

Стажировка

Обнаружение дефектов Линий Электропередачи с помощью компьютерного зрения и нейросетевых методов

ООО МНПП «АНТРАКС»

Суть проекта

ДЛЯ ЧЕГО

Разработка и тестирование мультикомпонентной системы компьютерного зрения для автоматического выявления дефектов и аномалий на ЛЭП 6–35 кВ, с последующей адаптацией под магистральные сети

Проект будет использоваться для инспекций ЛЭП. В ходе роекта должны быть решены следующие задачи компьютерного зрения:

Сегментация проводов
Детекция обрывов проводов
Детекция перехлёстывание проводов
Детекция чрезмерное провисания проводов
Подсчет проводов
Сегментация опор
Обнаружение аномальных отклонений опор от вертикальной оси (только для маршевых столбов)
Сегментация траверс, изоляторов и электрического оборудования (ИКЗ) с целью определения наличия таковых
Наличие посторонних предметов на проводах
Контроль санитарной зоны (наличие деревьев и кустарников в опасной близи проводов)

Снизить ручной труд, применять в труднодоступных местах, снизить риск человеческих ошибок

Подборка видео отснятыми с дрона участками линии электропередачи, датасет из 150 размеченных по классам изображений

ЗАДАЧИ

ВВОДНЫЕ данные

Участники
команды проекта

Елена Ерошина

Тимлид команды
- Организация работы команды
- Координация архитектурных решений и планирование проекта
Ткаченко Дмитрий

Помощник тимлида
- Обеспечение качества аннотации и внедрение единых стандартов разметки
- Курирование процесса валидации данных по направлению «траверсы»
- Координация взаимодействия подгрупп и согласованности результатов
- Формирование базы знаний проекта и поддержка передачи экспертизы между подгруппами
- Сопровождение интеграции результатов работы подгрупп в общий пайплайн
- Поддержка достижения проектных целей в срок и в заданном качестве
- Участие в подготовке итоговой проектной документации и формирование финальной презентации для заказчика
Екатерина Кенигросс
- Декомпозиция задач на управляемые этапы
- Обеспечение прозрачной коммуникации со стейкхолдером и своевременной обратной связи
- Управление загрузкой команды и поддержание баланса задач между подгруппами
- Мониторинг проектных рисков и своевременное реагирование на возникающие блокеры
- Обеспечение прозрачности и предсказуемости проекта для ключевых стейкхолдеров
- Контроль прогресса и консолидация результатов для регулярных статус-отчётов
Михно Елена
- Декомпозиция задач на управляемые этапы
- Управление загрузкой команды и поддержание баланса задач между подгруппами
- Мониторинг проектных рисков и своевременное реагирование на возникающие блокеры
- Обеспечение прозрачности и предсказуемости проекта для ключевых стейкхолдеров
- Контроль прогресса и консолидация результатов для регулярных статус-отчётов.
- Ведение постановки и отслеживания задач
- Участие в подготовке итоговой проектной документации
- Поддержка команды на этапе формирования финальной презентации для заказчика
Евгений Дулепов
- Ведение проектной документации и мониторинг активности участников
- Контроль соблюдения сроков и регулярности отчётности
- Обеспечение прозрачности командных процессов и фиксация прогресса
Азевич Александр Александрович

УЧитель
- Датасет ЛЭП : сбор, очистка и стандартизация разметки (COCO/YOLO) по классам: провода, опоры, изоляторы
- Разметка: ручная и полуавтоматическая разметка с точечной верификацией, контроль качества, инстанс-маски
- Геометрические пайплайны: модуль определения линии горизонта, оценка угла наклона опор, извлечение траектории проводов и расчёт провиса
- R&D моделей: сравнение RGS-UNet-like, DeepLabV3+, DINO, YOLACT; выбор оптимальной архитектуры под задачу
- Адаптированная модель: обучение и валидация RGS-UNet-like для сегментации проводов, подбор аугментаций и гиперпараметров
- Пост-процессинг для инстансов: skeletonization; трекинг отдельных проводов
- Полуавто (Semi)- разметка: (DINOv3), фильтрация шумов, маскирование фона, ускорение ручной проверки
- Инференс-пайплайн: постобработка, визуализация результатов
Алмазов Артём Геннадьевич

Разработчик OCR систем
- Сбор и анализ литературы по архитектурам с Dynamic Multi-scale Window Attention и запуск тестовых сборок
- Тестирование моделей YOLOv11, SAM, Detectron2, Mask2Former и анализ их применимости к задаче сегментации проводов
- Разработка и обучение кастомной модели RGS-UNet на основе статьи от апреля 2025 (F1 = 0.82) для edge-устройств
- Доработка архитектуры модели RGS-UNet для instance сегментации с поэтапным обучением голов instance и семантики с заморозкой/разморозкой слоёв
- Подбор комбинированной функции ошибки на основе DCIE, Focal Loss и Tversky для плавности обучения, чёткости границ маски и сокращения разрывов
- Реализация пайплайна фильтрации изображений с бракованной разметкой и интеграция восстановления сессий обучения
- Оптимизация модели: прунинг, QAT, квантизация, сравнение mixed precision и hybrid quantization, асинхронные вычисления
- Разработка ускоренного пайплайна инференса с TensorRT, достигнута скорость 60+ FPS на GPU (3070 Ti)
- Анализ и подбор edge-устройств для деплоя, изучение ограничений по CPU/GPU и выбор стратегий оптимизации под платформу
Быков Андрей Михайлович

Пенсионер
- Создание и тестирование Docker-образа для развёртывания скрипта (размер 2.43 ГБ)
- Запуск пайплайна в контейнере и передача результатов между рабочими группами
- Анализ существующих методов измерения угла отклонения объектов по изображениям
- Анализ датасета с разметкой столбов и формирование предложений по его улучшению
- Разработка алгоритма вычисления угла наклона столба на основе 3D-реконструкции и облака точек
Веденеев Владимир Сергеевич
- Нанесение огнезащитных покрытий на металлоконструкции
- Разметка изображений ЛЭП (столбы и провода) и проверка корректности исходных данных
- Ведение и корректировка журнала прогресса по задачам разметки
- Формирование датасета из размеченных фреймов и подготовка данных для обучения
- Обучение моделей YOLOv11n, YOLOv11s, YOLOv11m на небольшом датасете, сравнение результатов
- Анализ эффективности моделей серии YOLOv11 и переход к тестированию YOLOv8
Гаджиев Тимур Александрович

android-разработчик
- Разметка изображений ЛЭП (провода и столбы), исправление ошибок
- Проверка качества и аудит размеченных кадров, работа с бракованным датасетом
- Обучение модели Axial UNet++ с axial attention, аугментациями и тайловым инференсом (best Dice = 0.607)
- Обучение модели UNet++ (best Dice = 0.7819) с применением различных энкодеров (densenet169, efficientnet-b5/b8)
- Увеличение числа эпох и использование multiscale-тренировки
- Комбинация нескольких loss-функций для повышения точности
- Применение агрессивных аугментаций и тайлового инференса с аподизацией
- Использование Test Time Augmentation и морфологической постобработки масок
- Эксперименты с Mask R-CNN: тайлинг, размораживание слоёв, разные стратегии обучения
- Оценка качества Mask R-CNN (mean AP ≈ 0.2), анализ влияния аугментаций и масштаба
Гапонов Максим Игоревич

Самозанятый
- Изучение моделей дообучения с промптингом и методов anomaly detection для сегментации
- Сравнение подходов уточнения границ и тестирование инструмента EISeg для задач сегментации
- Запуск EISeg локально и в Docker, настройка трекинга масок между кадрами для видеоданных
- Создание и тестирование Docker-файла для развёртывания EISeg
- Очистка и подготовка тестового датасета для задач по отклонению столбов
- Разработка и тестирование Docker-образа XMem2 для автоматизации видеоразметки
- Проверка пропагации масок по видео для разных классов объектов в проекте
- Разработка приложения на PyQt для интерактивной сегментации: интеграция пайплайна HQSAM2 для создания инициализирующих масок и XMem2 для их пропагации через всё видео
Димá Гинтарас Винцович
- Монтаж навигационного оборудования
- Разметка изображений датасета с фокусом на провода и подготовка данных к выгрузке
- Проверка и корректировка разметки датасета, формулирование рекомендаций по улучшению качества
- Разметка и проверка разметки столбов, написание рекомендация по корректной разметки
- Участие в автоматическом расчете угла отклонения столбов по изображениям

Жидовинов Никита Иванович

Инженер-разработчик (ML)
- Изучение подходов к детекции энергетической инфраструктуры и интеграция в проектную логику (в частности детекции опор)
- Обучение модели сегментации опор линий электропередач (YOLO)
- Разработка алгоритма расчёта угла отклонения опор по отдельному кадру
- Разработка алгоритма преообработки кадра для улучшения качества сегментации
- Реализация алгоритма (workflow) расчёта угла отклонения опор на видео на основе библиотеки roboflow inference
- Написание плагина с кастомными блоками для разработанного workflow
- Упаковка разработанного алгоритма в docker compose
- Экспериментирование с определением угла отклонения на основе карт глубины
Карпов Сергей Викторович

Программист Python ML
- Разработка алгоритма для вычисления угла наклона объектов по маскам нейросетевой сегментации
- Проектирование модулей для автоматизированного инференса и визуализации аналитических данных
- Создание инструмента для высокоточной ручной разметки объектов с помощью интерактивной координатной сетки.
- Анализ качества моделей и итеративное улучшение датасета
- Создание и оптимизация полного end-to-end пайплайна для обучения моделей (RGS-UNet, YOLO)
Каштанов Никита Сергеевич

Инженер компьютерного зрения
- Разметка изображений ЛЭП для подготовки обучающего датасета
- Изучение и тестирование модели RGS-UNet на сторонних и собственных данных
- Разработка и реализация кастомной архитектуры RGS-UNet по научной статье
- Обучение модели на стороннем и внутреннем датасетах, визуализация результатов на тестовых данных
- Оценка производительности: замеры скорости энкодера и декодера, обработка видео с FPS 3.2 (T4)
- Конвертация модели в ONNX и достижение финальных метрик (F1-score 81.51%, IoU 64.54%, Dice 76.16%)
- Разделением проводов. Переход из семантической в инстанс сегментацию
Князев Альберт Михайлович

Ведущий инженер-конструктор в машиностроении
- Разметка траверсов, изоляторов и оборудования на изображениях ЛЭП в Roboflow и подготовка выборок для обучения моделей
- Согласование классов объектов, формирование правил разметки и фиксация сложных случаев
- Корректировка и очистка датасета по требованиям заказчика (374 кадра, учёт перекрытия объектов)
- Тестирование и запуск модели DAFormer и SegFormer для сегментации
- Тестирование и запуск модели YOLOv12n для сегментации
Колесов Игорь Витальевич

java программист
- Раскадровка датасета и разметка маршевых столбов
- Изучение и запуск утилиты ElSeg через Docker, тестирование интерфейса и функций
- Интеграция моделей XMem2 и HQSAM в среды LabelStudio и CVAT
- Анализ возможностей изменения регионов выделения объектов для автоматической сегментации
- Участие в создании прототипа программы по авторазметке
Лукашина Евгения Игоревна

главный специалист Сбербанка
- Разметка изображений с опорами ЛЭП и проверка корректности
- Развертывания проекта по авторазметке через Docker и тестирование контейнера
- Обучение моделей Yolo8seg, 11seg
Масякина Лариса Александровна
- Участие в раскадровке датасета проводов электропередач
Орлов Максим Витальевич
- Ремонт торгового оборудования, видеонаблюдение
- Разметка траверсов, изоляторов и оборудования на изображениях ЛЭП в Roboflow
- Проверка и корректировка разметки, фильтрация объектов по заданным критериям
- Переразметка ошибочных объектов и подготовка уточнённых выборок для обучения
- Согласование правил аннотации и формирование финального датасета по траверсам и столбам
- Запуск и тестирование современных моделей сегментации (Mask2Former, CondInst, YOLO v8) на изоляторах и траверсах
- Поддержка команды в интеграции моделей и подготовке корректных датасетов для обучения
Пицуков Михаил Георгиевич

менеджер в транспортной компании
- Ручная разметка траверсов и изоляторов в Roboflow, проверка и корректировка разметки коллег
- Эксперименты с авторазметкой (SmartPolygon, YOLO-Nano), сравнение с DeepLabv3_resnet50
- Разработка и тестирование конвертации датасетов из Roboflow в форматы YOLO, COCO, Dinov3
- Обучение и доработка моделей YOLO на размеченных данных, выявление и устранение проблем синхронизации аннотаций
- Исследование и кастомизация современных моделей сегментации (YOLO 11, YOLO NAS, DINOv3) для применения в режиме видео/реального времени
- Поддержка команды: консультации по инструментам, проверка качества разметки, помощь менее опытным участникам
Ревин Сергей Алексеевич

Преподаватель
- Поиск и отбор изображений с ключевыми кейсами (обрывы, провисания, перехлёсты проводов, наклоны столбов), формирование базы примеров
- Разработка и тестирование алгоритмов анализа провиса проводов (аппроксимация катенариями, сглаживание траекторий, работа с контурным анализом)
- Создание и доработка алгоритмов определения наклона опор по фото и видео
- Реализация прототипов в Excel и Python, обработка аннотаций и визуализация результатов
- Генерация синтетических данных с катенариями и тестирование моделей (Tiny Det) для дальнейшего дообучения
- Коллаборация с коллегами по извлечению координат масок и тестированию методов расчёта провиса
Рожков Андрей Георгиевич

разработка нейро-помощника по анализу проектной документации
- Поиск и подготовка открытых датасетов
- Определение критериев качества данных
- Разработка алгоритмов Physics-Informed Machine Learning (PIML)
- Построение математической модели провиса проводов (катенария)
- Применение модели камеры (PINHOLE) и перспективной проекции
- Оптимизация модели плоскости и координатных преобразований
- Использование статистической модели распределения параметров
- Генерация синтетических изображений и датасетов для CV-задач
- Реализация pipeline обучения Tiny Det для сегментации проводов
- Проведение экспериментов и аналитика (качество, гипотезы, PINN, отчёты)
Саверкин Илья Алексеевич

CV-разработчик
- Автоматическая разметка изображений и видео с использованием современных моделей (SAM2, HQSAM, Xmem2)
- Разработка и тестирование алгоритма с трекером для упрощения разметки bounding box
- Эксперименты с полигональной разметкой и улучшением качества выделения масок (борьба с бликами, настройка разрешения, проверка корректности сегментации)
- Исследование решений для авторазметки
- Поддержка процесса подготовки датасетов и оптимизация инструментов для ускорения и повышения точности разметки
Саверкин Илья Алексеевич

CV-разработчик
- Автоматическая разметка изображений и видео с использованием современных моделей (SAM2, HQSAM, Xmem2)
- Разработка и тестирование алгоритма с трекером для упрощения разметки bounding box
- Эксперименты с полигональной разметкой и улучшением качества выделения масок (борьба с бликами, настройка разрешения, проверка корректности сегментации)
- Исследование решений для авторазметки
- Поддержка процесса подготовки датасетов и оптимизация инструментов для ускорения и повышения точности разметки
Сердюкова Нора Александровна

Математик, data scientist
- Контроль качества разметки проводов, столбов и растительности
- Обеспечение единых стандартов аннотации и финализация датасетов
- Работа с инструментами разметки (Roboflow), проверка и корректировка данных
- Автоматизация процессов разметки и разработка методик автоаннотации
- Поддержка технических задач коллег и интеграция результатов
- Подготовка отчётов и проектной документации
- Валидация данных и исправление ошибок в датасетах
- Разработка обучающих датасетов для ML-моделей
- Создание кода для детекции зон опасной близости к проводам ЛЭП (кабели, растительность, буферы, риски, визуализация)
- Эксперименты с моделью SegFormer и переразметкой части датасета для увеличения объёма без разрывов проводов
- Разработка колабов с результатами детекции опасных зон (визуализация «трубкой» и тепловой картой)
Солошенко Сергей Анатольевич

животновод
- Разметка проводов и столбов на изображениях с использованием Roboflow (десятки кадров, регулярная проверка и исправление ошибок)
- Работа с импортом и подготовкой датасетов (освоение Datumaro, проверка корректности загрузки данных в CVAT)
- Поддержка качества разметки: доработка и исправление кадров по замечаниям, учёт проблем с низким качеством исходных изображений
- Освоение и обучение Detecton2, если это релевантно для нашей стажировки
- Подготовка данных для обучения моделей
Шеханова Елена Олеговна

бухгалтер
- Разметка проводов и подготовка датасетов (нарезка видео, разметка кадров, скрипты для train/val/test)
- Разработка и обучение моделей сегментации (AttentionUNet, Detectron2) для выделения проводов
- Эксперименты с методами детекции аномалий (PatchCore, DINOv3), создание интерактивных демонстраций в Gradio
- Решение проблем с качеством данных и форматами аннотаций
- Исследование и тестирование различных архитектур, анализ метрик (Dice, F1, IoU), визуализация предсказаний, перевод предсказаний в формат annotation.json для загрузки в Roboflow
- Работа над улучшением качества сегментации и автоматизацией поиска аномалий на ЛЭП
Шулятиков Леонид Борисович

оператор станков с ЧПУ
- Разметка изображений проводов ЛЭП и проверка качества датасета в Roboflow
- Обучение и тестирование моделей сегментации (YOLOv8, U-Net, SegFormer, GroundingDINO + SAM, трансформеры Swin-T)
- Проведение экспериментов с параметрами обучения (эпохи, batch size, размер изображений)
- Анализ ошибок при обучении и корректировка пайплайна (Mask R-CNN, SOLOv2, YOLOv8).
- Тестирование архитектур с GNN и методами скелетонизации для улучшения сегментации проводов
- Адаптация и внедрение моделей для задачи сегментации проводов в проекте
Дойков Олег Николаевич

Системный администратор, программист
- Определение критериев аннотаций и подготовка эталонных примеров для команды
- Изучение и тестирование моделей Yolact, YolactEdge для сегментации объектов ЛЭП
- Решение проблем совместимости библиотек и корректировки датасета
- Обучение модели MobileNetV2, Mask R-CNN, RGS-UNet для инстанс сегментации в Google Colab с сохранением промежуточных результатов
- Дообучение, внедрение необходимых метрик для оценки моделей
- Подготовка видеоматериалов с демонстрацией результатов обучения моделей
Фомин Виктор Александрович
- Сбор, отбор и систематизация изображений с аномалиями (обрывы, перехлёсты, чрезмерный провис проводов)
- Классификация и подготовка базы данных, очистка и нормализация исходных фото, формирование критериев разметки
- Тестирование моделей типа SAM, YOLOv8, Detectron2)
- Разработка идей для автоматизации поиска и анализа аномалий, подготовка к построению системы детекции
Хамидуллина Елена Игоревна
- Разметка проводов в Roboflow, проверка и корректировка данных для обучения
- Обучение и тестирование моделей сегментации (Mask R-CNN, YOLACT++), эксперименты с архитектурами
- Решение проблем с форматами разметки и совместимостью (MMDetection, YOLACT), отладка пайплайна
- Оценка качества моделей (mAP, IoU), визуализация предсказаний и анализ ошибок
- Работа с сегментацией изоляторов и траверсов, расширение датасетов