Лошади и нейросети, или как мы почти похоронили дедлайн, но в итоге собрали датасет мечты.
Если вы думаете, что работа с искусственным интеллектом в промышленности — это всегда только про код, серверы и алгоритмы, то… частично вы правы. Но в этот раз наша команда NeuroCore работала в таких условиях, о которых мы даже думать не могли: скачки, фермы, табуны и дедлайны. Запасайтесь чаем, будет история с неожиданными поворотами.
Лошадиный вопрос, или как нас втянули в проект
Все началось пару лет назад. Один заказчик пришел к нам с заманчивым проектом. Задача была экзотическая, как прогулка на единороге: создать нейросеть, которая сможет различать лошадей по их фотографиям, чтобы понять, не смешались ли табуны.
Зачем? У лошадей в табунах есть жесткая иерархия. Обычно одним табуном "рулит" самый главный самец. Если табуны смешиваются, начинаются разборки между жеребцами, и вся эта "лошадиная иерархия" летит к чертям. Это стресс для всех, и заказчик хотел придумать способ предотвратить катастрофу.
Решить проблему могло только использование технологий машинного зрения на производстве. Мы решили, что создание собственной системы видеоаналитики для производства подобного рода задач станет оптимальным решением.
Как мы искали цифровой табун
Для начала клиент попросил собрать 10 000 уникальных фотографий лошадей, по 10 на каждую. Звучит просто? В теории!
Мы ринулись искать изображения на YouTube, TikTok, ВКонтакте, конных форумах и других уголках Интернета.
Критерии были строгие: на каждой морде лошади должны быть видны пять ключевых точек (глаза, ноздри, рот и т.д.), а прямоугольник морды — не меньше 224 пикселей. Через два месяца стало ясно: задача сложнее, чем казалось. Из 30 000 изображений уникальных лошадей оказалось лишь 3 000.
Так появился наш первый инсайт: в этой ситуации пригодилось бы техническое зрение на производстве для автоматизации части процессов. NeuroCore предложил реформировать подход.
Итак, пора дружить с нейросетями!
"Когда сам не справляешься — позови помощника", — решили мы. Сделали короткий перерыв, пересмотрели свой подход и включили искусственный интеллект в решение задачи. Вот какие инструменты мы разработали:
- Нейросеть для анализа изображений. Она распознавала морду лошади в кадре и проверяла, есть ли необходимые ключевые точки (глаз, ноздри, рот).
- Telegram-бот. Создано программное обеспечение для автоматической обработки изображений. Он определял уникальных лошадей и группировал выдержавшие проверку изображения по папкам.
Результат был впечатляющим: темп работы вырос с 500 изображений в день до 5 384 изображений! Мы буквально внедряли машинное зрение на производстве в рамках одного нестандартного проекта.
Результат: Новый подход спас дедлайн
Весь процесс автоматизации позволил собрать 70 000 изображений за 13 дней, из которых в финальную базу вошло 7 000 уникальных лошадей (по 10 снимков для каждой!). Все данные идеально подошли для обучения нашей нейронной сети NeuroCore.
Выводы из проекта:
- Иногда решение проблемы лежит прямо перед глазами. Главное — использовать известные технологии, такие как искусственный интеллект в производстве, под нетривиальным углом.
- Технологии спасают не только нервы, но и репутацию, и, как оказалось, целые табуны.
- Машинное зрение — не только инструмент для заводов, это универсальный помощник для любых задач.
Если у вас есть интересные задачи для наших решений в области компьютерного зрения на производстве, оставьте заявку через сайт NeuroCore. Мы готовы прокачать вашу идею, будь то промышленная задача или её нестандартный вариант!
Ключевые слова: компьютерное зрение на производстве, видеоаналитика для производства, машинное зрение на производстве примеры, искусственный интеллект в промышленности, техническое зрение на производстве. NeuroCore — всегда к вашим услугам!