Стажировка по проекту
Компания: АО «Сервис-Недвижимость» (входит в ГК ЭТАЛОН)
Распознавание данных
с общедомовых счетчиков по фото
с общедомовых счетчиков по фото
Суть проекта
Задача
Для чего
Вводные данные
Выходные данные
1 команда
Создание телеграм-бота на основе компьютерного зрения для автоматизации сбора показаний счетчиков и внесения в реестр
2 команда
Создание надежного нейросетевого классификатора счетчиков индивидуального учета электро- и водоснабжения по их фотографии, позволяющегоидентифицировать марку и модель счетчика
Создание телеграм-бота на основе компьютерного зрения для автоматизации сбора показаний счетчиков и внесения в реестр
2 команда
Создание надежного нейросетевого классификатора счетчиков индивидуального учета электро- и водоснабжения по их фотографии, позволяющегоидентифицировать марку и модель счетчика
1 команда
Телеграм-бот
2 команда
Название марки или модели идентифицируемого счетчика и набор его характеристик
Телеграм-бот
2 команда
Название марки или модели идентифицируемого счетчика и набор его характеристик
1 команда
2 команда
- 1930 фотографий счетчиков воды и электричества, применяемых заказчиком
- Таблица-реестр этих счетчиков
2 команда
- Датасет из изображений счетчиков учета электроэнергии, горячего и холодного водоснабжения различных марок и моделей
Реализация данного проекта должна значительно ускорить снятие и передачу показаний счетчиков и исключить ошибки «человеческого фактора»
Разрабатываемая нейросеть классификации счетчиков предназначена для работы на сервере в приложении телеграм-бота и позволяет определить марку и модель счетчика и, следовательно, извлечь нужные технические характеристики конкретного счетчика: количество символов на циферблате, количество символов дробной части на циферблате, количество символов в серийном номере, сигнатуру серийного номера и другие необходимые параметры.
Полученные данные конкретной марки и модели счетчика будут необходимы для последующего контроля работы нейросетей класса Object Detection, OCR, а также других алгоритмов в рамках разрабатываемого в проекте приложения.
Разрабатываемая нейросеть классификации счетчиков предназначена для работы на сервере в приложении телеграм-бота и позволяет определить марку и модель счетчика и, следовательно, извлечь нужные технические характеристики конкретного счетчика: количество символов на циферблате, количество символов дробной части на циферблате, количество символов в серийном номере, сигнатуру серийного номера и другие необходимые параметры.
Полученные данные конкретной марки и модели счетчика будут необходимы для последующего контроля работы нейросетей класса Object Detection, OCR, а также других алгоритмов в рамках разрабатываемого в проекте приложения.
Участники
1 команды проекта
1 команды проекта
- Терещенко АлексейТимлид проектаАлексей - руководитель группы разработчиков, отвечал за проект
- Докучаева СветланаПомощник тимлидаСветлана помогала руководителю команды организовывать процесс разработки проекта
- Лещинский ИгорьПомощник тимлидаИгорь помогал руководителю команды организовывать процесс разработки проекта
- Выймов ЗориславБизнес-аналитик в ФГАУ НИИ Восход
- Сортировка фото счетчиков по типам c комментариями
- Разметка в CVAT
- Разработка скрипта обработки CVAT для датасета YOLO
- Эксперименты с YOLO
- Аналитика результатов формирования выборки для обучения OCR
- Участие в разработке презентации проекта
- Малицкий АндрейАкционер компании AMLAI
- Разметка с использованием инструмента CVAT
- Создание тестового телеграм-бота
- Проведение экспериментов с несколькими предобученными OCR-моделями
- Дообучение CTC Loss для серийных номеров
- Применение сверки с таблицей серийных номеров
- Создание итогового ноутбука в Google Colab с необходимыми нейронными сетями для обработки изображений
- Панфилов ДмитрийИнженер, специалист больших данных
- Разработка архитектуры клиент-серверного решения на базе FastAPI, YOLOv8, OCR, SQLite и Telegram bot
- Разметка датасета в CVAT, обучение YOLOv8 и выбор модели с лучшими
- Разработка и интеграция комплексного решения back-end и front-end в Docker на Linux-сервере с GPU
- Тестирование приложений и демонстрация заказчику на основном и резервном серверах
- Майоров Сергейиндивидуальный предприниматель в IT-сфере
- Создание скрипта для сбора датасета из пользовательских папок
- Разметка датасета в CVAT
- Формирование датасета для обучения сегментации YOLO
- Обучение модели YOLO сегментации
- Разметка дополнительных папок датасета для OCR
- Участие в подготовки презентации проекта
- Клычков АксентийГрафический дизайнер
- Разметка датасета на расширенных данных для YOLO и OCR
- Самостоятельная проработка модели OSR на сырых данных для распознавания серийных номеров
- Написание и настройка скрипта для предварительной оценки качества фото
- Подготовка чистового варианта презентации проекта
- Шинин АндрейПредприниматель
- Разметка датасета для YOLO и OCR
- Формирование датасета для обучения сегментации YOLO
- Обучение сети для классификации перевернутых фото для YOLO8
- Сбор датасета и обучение классификации режима электросчетчика YOLO8
- Подготовка рекомендации для повышения качества результата работы модели
- Обработка первичного датасета CVAT
- Создание телеграм-бота с проверкой положения счетчика
Участники
2 команды проекта
2 команды проекта
- Резер АртёмТимлид проектаАртём - руководитель проекта, участвовал в разработке, координировал работу команды, ставил задачи, контролировал качество и сроки их выполнения
- Спирин АнтонПредприниматель
- Работа с датасетом: анализ исходных изображений, предобработка изображений, распределение изображений по классам датасета
- Подготовка таблицы с техническими характеристиками по классам счетчиков в датасете
- Написание функций вывода характеристик счетчиков по результатам предсказания нейросети
- Поиск в сети изображений минорных классов марок и моделей счетчиков для уменьшения дисбаланса в датасете
- Егоров Иван
- Подготовка докладов группе по применению архитектур нейросетей для классификации изображений VGGNet, ResNet;
- Работа с датасетом: анализ исходных изображений, предобработка изображений, распределение изображений по классам датасета;
- Подготовка таблицы с техническими характеристиками классов счетчиков в датасете;
- Поиск в сети изображений минорных классов марок и моделей счетчиков для уменьшения дисбаланса в датасете
- Санникова АлександраМетролог
- Работа с датасетом: анализ исходных изображений, предобработка изображений, распределение изображений по классам датасета
- Подготовка таблицы с техническими характеристиками классов счетчиков в датасете
- Поиск в сети изображений минорных классов марок и моделей счетчиков для уменьшения дисбаланса в датасете
- Мышлякова АннаСпециалист по геоинформационным системам
- Работа с датасетом: анализ исходных изображений, предобработка изображений, распределение изображений по классам датасета
- Подготовка таблицы с техническими характеристиками классов счетчиков в датасете
- Поиск в сети изображений минорных классов марок и моделей счетчиков для уменьшения дисбаланса в датасете
- Куцай ИринаФинансист
- Работа с датасетом: анализ исходных изображений, предобработка изображений, распределение изображений по классам датасета
- Подготовка таблицы с техническими характеристиками классов счетчиков в датасете
- Поиск в сети изображений минорных классов марок и моделей счетчиков для уменьшения дисбаланса в датасете
- Толстогузов Артём
- Написание функций первичного парсинга исходных изображений, выполнение первичной сортировки исходных изображений, в том числе с применением сигнатур имен файлов
- Работа с датасетом: анализ исходных изображений, предобработка изображений, распределение изображений по классам датасета
- Бурыка Александра
- Работа с датасетом: анализ исходных изображений, предобработка изображений, распределение изображений по классам датасета
- Подготовка таблицы с техническими характеристиками классов счетчиков в датасете
- Поиск в сети изображений минорных классов марок и моделей счетчиков для уменьшения дисбаланса в датасете
- Катушенок Наталия
- Работа с датасетом: анализ исходных изображений, предобработка изображений, распределение изображений по классам датасета
- Подготовка таблицы с техническими характеристиками классов счетчиков в датасете
- Поиск в сети изображений минорных классов марок и моделей счетчиков для уменьшения дисбаланса в датасете
Демонстрация проекта 1 команды
Благодарность университетУ