Pull to refresh

Comments 21

Было бы интересно больше почитать про практическое применение полученного решения. В кабине же сидит оператор, и видит примерно то же, что и камера. Что именно дают бизнесу детекции траков и собственного ковша?

"целью которого является определение режимов работы погрузчика: подсчёт циклов погрузки, количество погруженных ковшей, количество загруженных самосвалов, определение простоя" © - буквально текст статьи

Был недавно студенческий чемпионат Case-in с этой тематикой. Как-то связана ваша работа с ним?

Нет, с чемпионатом никак не связано. А что за чемпионат? поделитесь инфой, пожалуйста

Очень интересная тема (ниша — потрясающая), спасибо за материал. На данный момент не особо представляю, как работает ML. Заинтересовал этот момент:

после этого выбрали 300 000 кадров, которые были размечены нашей командой вручную

Огромный же объём данных, как на практике происходит такая обработка?

мы использовали опенсорсное приложение CVAT, с ним получается размечать относительно быстро

После прочтения статьи захотелось на экскурсию в карьер)

То есть потенциально такие решения смогут как минимум продублировать, а как максимум - взять на себя функциональность датчиков телеметрии очень многих элементов техники. Вы считали экономику? Насколько снизится стоимость обслуживания одного производственного процесса?

Пока что не считали, но да, при замещении старой системы будем считать вместе с заказчиком.
У всех разный набор датчиков, где-то вообще мы будем внедрять полностью диспетчеризацию с нуля - в таком случае, простота обслуживания бортового оборудования идёт просто как очевидное преимущество при будущем обслуживании системы.

Сколько стоит железо - камера и компьютер устанавливаемый на технике?

камера FullHD, защищённая по IP69 - около 500$
IP66 компьютер с Rockchip - около 1000$

Очень интересная статья! Такая сложная тема и так легко подана, спасибо!

Для такой простой модели 300k аннотаций - явный перебор. Приходилось обучать модели для строительства с 10+ классами, результаты с ~100k аннотаций в гораздо более разнообразных условиях были устойчивее. Пришлось разработать собстенную систему фильтрации аннтотаций для улучшения качества датасета, но оно того стоило.

а подскажите пожалуйста, куда копать, чтобы ознакомиться с подобными системами фильтрации датасета, был бы Вам крайне благодарен) Может дадите ссылку на репозиторий или вообще собственный пост запилите?)

Еще момент - о каких именно "временных представлениях видеопотка" идет речь если вы используете YOLO? Может это не самое удачное демо видео, но на нем не видно ничего кроме баундинг боксов, хотя упоминались подсчеты циклов погрузки и так далее.

Действительно, демо видео одно из ранних, временные представления мы доработали уже после.
Думаю, что более свежую версию демо с наглядным представлением подсчёта циклов и временных статусов я выложу в следующей статье

а что с самосвалами? там используете показания датчиков?

Да, самосвалы пока что классически - на датчиках.
В самосвалах есть идея использовать CV для контроля качества дорог и для контроля сонливости водителя, но это не относится к учёту технологических операций.

В норильском никеле уже 2019 года используется машинное зрение на руднике Северный. Из оборудования камера,слабенький комп от Advantech Trek-733 и интеловская флэшка ускоритель нейросетей и камера. Система распознает циклы: погрузка.перевозка.разгрузка и отдельно разгрузка в самосвал. Так что все уже давно сделано и работает на минимальных ресурсах :)

об этом опыте и об их решении мы в курсе во всех деталях:)

Sign up to leave a comment.

Articles