Александр Юркин

Директор по развитию бизнеса, глава спец. проектов: аутстафф/аутсорс
✉️: ay@leantech.ai
24.01.2023

Чем разработка системы компьютерного зрения полезна для бизнеса?

Системы компьютерного зрения основаны на аналогичной технологии. На данный момент их продолжают тестировать в разных сферах. Такие решения уже начали активно использоваться и кардинально менять привычные бизнес-процессы компаний.

В этой статье расскажем о том, чем именно может быть полезна разработка системы компьютерного зрения для бизнеса, а именно рассмотрим следующие вопросы.

  • Что такое системы компьютерного зрения?
  • В чем именно системы компьютерного зрения помогают бизнесу?
  • Какие есть выгоды от использования систем компьютерного зрения в бизнес-процессах компании?
  • Как разработать систему компьютерного зрения за 7 шагов?
  • 4 кейса внедрения систем компьютерного зрения в бизнес-процессы.

Начнем с определения основного понятия нашей темы.

Что такое системы компьютерного зрения?

Сам термин пришел от английского понятия Computer Vision с сокращением CV.

Компьютерное зрение - одна из областей искусственного интеллекта (он же ИИ), которая связана со считыванием и анализом фото и видео съемок.

Также это понятие включает в себя целый набор методов, которые делает компьютер способным фиксировать и считывать информацию из "увиденного".

Системы компьютерного зрения
состоят из камеры и программы, которая определяет и классифицирует объекты. Такие программы могут анализировать образы (картинки, штрих-коды, фотографии, видео) и лица, включая эмоции.

Для обеспечения работы таких систем используются специальные технологии машинного обучения. Здесь происходит сбор многочисленных данных, позволяющих определить признаки и наборы признаков для определения схожих объектов и предметов.

Объем рынка России в сфере систем компьютерного зрения достигнет 38 миллиардов рублей к концу 2023 года - в соответствии с данными исследования от TAdviser.
Прогноз и перспективы для разработки систем компьютерного зрения.
Прогноз и перспективы для разработки систем компьютерного зрения.
Как распределяются доли по сферам применения:

  • системы видеонаблюдения и безопасности - 32%;
  • сфера промышленности - 17%;
  • сфера медицины - 14%;
  • сфера торговли - 10%.

Теперь рассмотрим более подробно то, каким компаниям и как именно технологии компьютерного зрения уже активно приносят пользу.

В чем именно системы компьютерного зрения помогают бизнесу?


1

Распознавание лиц
Для верификации людей, сотрудников компании; для обеспечения доступа на предприятие или в его отделы; для установления личности.

2

Ритейл
В сфере розничной торговли эти системы используются для мониторинга запасов склада и выкладки товаров на витринах, для ведения учета товаров, для отслеживания поведения покупателей и для мониторинга конкурентов.

3

Производство
Эти решения применяются для контроля качества продукции, фиксации повреждений товаров, произведения точных измерений, ведения учета, замены сотрудников на любых участках, где необходима высокая скорость и/или имеются риски для здоровья.

4

Медицина и здравоохранение
Системы компьютерного зрения обеспечивают автоматизированное распознавание травм и отклонений на снимках пациентов.

5

Системы, основанные на машинном обучении

Системы компьютерного зрения применяют не только в этих областях, но и, например, в сферах образования, досуга, финансов и др. Если задача Вашей компании не похожа на те, что есть в списке выше, обсудите ее со специалистом нашей командой — мы поможем подобрать техническое решение.
Что же именно дает использование алгоритмов таких решений компаниям? Рассказываем далее.

Выгоды от использования систем компьютерного зрения в бизнес-процессах компании

  • Безопасность: ее обеспечивают системы контроля доступа на предприятие, которые активно используются во многих действующих фирмах - от небольших офисов компаний до масштабных банков.

  • Скорость работы сотрудников и количество совершаемых операций ускоряются за счет автоматизированного распознавания объектов и анализа их данных.

  • Качество продукции повышается за счет автоматизации рутинных процессов: ведения учета, быстрого и качественного выявления брака и т.д.

  • Фонд оплаты труда сотрудников сокращается за счет передачи части ручного труда автоматизированной системе.

  • Процессы аналитики также автоматизируются, включая ее ускорение и повышение качества.

  • Бизнес-процессы оцифровываются, и, как следствие, прозрачность бизнес-процессов компании повышается.

  • Различные риски снижаются.

  • Получение данных, необходимых для принятия решений, автоматизируется и становится проще и быстрее.

  • Возможности сотрудников увеличиваются. Решения компьютерного зрения позволяют увидеть то, что человек может не заметить ввиду человеческого фактора. Особенно актуально это в медицине (анализ рентгеновских и других снимков) и промышленности (обнаружение брака).

  • Качество сервиса компании повышается за счет быстрой идентификации и сокращения времени обслуживания клиентов.

  • Автономная работа определенных объектов становится возможной. Например, без систем компьютерного зрения невозможно развить и обеспечить работу беспилотного транспорта и роботов.

Итак, разобрались со сферами применения систем и преимуществ от их использования. Теперь расскажем о том, как происходит процесс разработки таких систем в команде специалистов нашей компании.

Разработка системы компьютерного зрения за 7 шагов: подход нашей команды

1
Процесс разработки системы компьютерного зрения для бизнеса - обсуждение идеи
Обсуждение идеи бизнеса
Онлайн встреча обычно проводится между поставщиком IT-решений и заказчиком (представителями компании) для определения основных задач и деталей проекта. По итогам обсуждения наша команда предлагает несколько вариантов решений, которые соответствуют запросу и бюджету бизнеса.
2
Процесс разработки системы компьютерного зрения для бизнеса - анализ
Анализ бизнеса
Здесь мы изучаем рынок, основных конкурентов компании и целевую аудиторию. В ходе анализа исследуем актуальность продукта в рамках конкретной ниши Вашего бизнеса. После того как детальная аналитика окончена, наши специалисты составляют оценку проекта, и мы передаем заказчику информацию о масштабах работ, стоимости и сроках выполнения обозначенного объема работ.
3
Процесс разработки системы компьютерного зрения для бизнеса - сбор данных
Сбор данных
На этом этапе проводим обучение современных нейронных сетей. Для того чтобы создать решение компьютерного зрения, требуется большое количество фото и видео файлов. Поэтому здесь анализируем базы данных заказчика и при необходимости начинаем самостоятельный сбор.
4
Процесс разработки системы компьютерного зрения для бизнеса - дизайн
UI/UX дизайн
Наши специалисты создают графические элементы, такие как экраны, иконки, кнопки и т.д., разрабатывают визуальное оформление статичных прототипов и динамических элементов и делают интерфейс удобным для пользователей.
5
Процесс создания системы компьютерного зрения для бизнеса - разработка
Разработка системы
Здесь наша команда специалистов создает системы компьютерного зрения. Процесс разработки поделен на спринты, т.е. каждые 2 недели показываем заказчику функциональный фрагмент системы, который готов за прошедший период времени.
6
Процесс разработки системы компьютерного зрения для бизнеса - тестирование
Тестирование
На данном этапе проводим ручное и автоматизированное тестирование, которое позволяет обнаружить ошибки, исправить их, а соответственно, не допустить релиз с ними. Кроме того, проводим нагрузочное тестирование, которое помогает определить текущие возможности системы компьютерного зрения. Затем проверяем работу продукта на разных устройствах, которые оговорены и определены с заказчиком.
7
Процесс разработки системы компьютерного зрения для бизнеса - поддержка после запуска
Поддержка после запуска
На этом этапе поддерживаем продукт после интеграции систем компьютерного зрения в процессы Вашей компании и их релиза. Также расширяем готовый продукт для решения других задач компании, если это необходимо. Все условия сотрудничества прописываем в договоре SLA.
Также наша команда предоставляет отдельную услугу по поддержке систем, которые уже используются в компании. Если Ваше ПО ушло с рынка РФ или есть другие причины найти команду для обслуживания или доработки системы, свяжитесь с нашими специалистами.
Теперь кратко о нескольких кейсах работы наших специалистов в сфере компьютерного зрения.

4 кейса внедрения систем компьютерного зрения в бизнес-процессы


1

Система контроля наличия средств защиты персонала на производственных объектах
Разработка системы компьютерного зрения - кейс в сфере производства от LeanTech
Решение в этом случае позволяет определять движущиеся объекты и выделяет их из фонового изображения. После чего данная система классифицирует объекты как персонал на основе специализированных признаков. На следующем шаге программа производит локализацию головы на изображениях и анализирует наличие или отсутствие каски у рабочего. В случае отсутствия каски система может отправлять оповещение ответственным лицам. Наработки, которые внедрены в эту систему, могут быть расширены для определения наличия прочих объектов производственной защиты, таких как маски, перчатки, светоотражающие жилеты, специальная обувь и др., а также объектов производственной дисциплины: бейджи, чистота униформы, наличие недопустимых элементов стиля и/или украшений.
  • Ключевой стек: Python, CNN, TensorFlow.
  • Ключевая функциональность: анализ наличия необходимых элементов экипировки сотрудников.
  • Источник данных: датасет Safety Helmet Detection.
  • Результат: работающая модель по анализу наличия касок на головах сотрудников.

    2

    Система анализа дефектограмм железнодорожного полотна на основе искусственного интеллекта
    Разработка системы компьютерного зрения - кейс в сфере транспорта - железнодорожных перевозок от LeanTech
    В данном случае целью системы была автоматическая классификация дефектограмм, полученных с дефектоскопов, и интеграция дополнительного модуля на базе микрокомпьютера в дефектоскопы. Разработка системы компьютерного зрения снизило нагрузку на оператора дешифрования дефектограмм по неразрушающему контролю рельсов и повысило скорость декодирования.
    • Ключевой стек: CNN, TensorFlow, Raspberry.
    • Ключевая функциональность: предиктивная диагностика, дефектоскопия железных дорог.
    • Источник данных: ультразвуковая дефектоскопия (датасет VTT Technical Research).
    • Результат: MVP (программное обеспечение, работающее на Raspberry Pi, алгоритм машинного обучения).

      3

      Система распознавания и классификации качества посевов на основе снимков с БПЛА
       Разработка системы компьютерного зрения - кейс в сфере сельского хозяйства от LeanTech
      Здесь цель команды заключалась в разработке системы распознавания изображений, системы сбора координат и системы, отображающей данные, полученные с дронов, для анализа сельскохозяйственных полей. Алгоритм распознавания создан на основе метода дерева решений, в котором геокоординаты извлекаются из методических изображений. Для дальнейшего развития проекта был использован метод ортотрансформирования полевых изображений с использованием технологии компьютерного зрения. Результатом применения разработанной системы является карта полей с сегментацией участков по различным критериям с присвоением геометок к каждой категории участка.
      • Ключевой стек: ML, OpenCV.
      • Ключевая функциональность: рационализация использования ресурсов.
      • Источник данных: данные от Заказчика.
      • Результат: работающая модель по классификации и анализу снимков посевов.

        4

        Система анализа перемещений клиентов и персонала по территории торгового центра
        Разработка системы компьютерного зрения - кейс от LeanTech - ритейл
        Система анализирует изображения с видеокамер и определяет категорированные объекты (персонал, посетители/клиенты) с целью трансформации данных о перемещениях в тепловые карты для каждой камеры. На основе схем соотнесения камер с планом помещения система перерабатывает изображения с одновременным их наложением на план-схемы. Решение, которое стало результатом разработки, позволяет создавать карты с местами скопления клиентов, а также с путями следования клиентов. Полученные данные способствуют принятию эффективных решений относительно мерчендайзинговых активностей, промо кампаний и общей логистики внутри торговых залов, что ведет к оптимизации использования помещений и повышению маржинальности с удельного квадратного метра торговой площади.
        • Ключевой стек: CNN, TensorFlow, OpenCV.
        • Ключевая функциональность: построение тепловых карт перемещения посетителей, оптимизация расположения торговых точек.
        • Источник данных: данные от Заказчика.
        • Результат: работающая модель по обнаружению посетителей.
          Если у Вас есть проект, которому требуется разработка системы компьютерного зрения, и Вам нужна помощь в его реализации, свяжитесь со специалистом нашей команды, мы всегда рады помочь Вам.