Разработка сервиса визуальной детекции и измерения размеров креветок в экстремальных температурных условиях на реальном производстве: различия между версиями

Материал из Public ATP Wiki
Перейти к навигации Перейти к поиску
← Предыдущая правка
 
(не показано 18 промежуточных версий 3 участников)
Строка 1: Строка 1:


=== Спикер ===  
=== План выступления ===
Меденцов Никита Вячеславович
— выпускник мехмата МГУ, преподавал спортивное программирование (ICPC). Инженер и тимлид (C++, Scala, Python). Руководит разработкой real-time системы управления аэропортами, командой 50+ человек.


=== Дата === 
1) Проблема контроля качества массового конвейерного производства
11 марта (ср) в 18:35
*Описание производственного процесса
=== Формат ===
*Существующие методы контроля и их недостатки
Онлайн-лекция (платформа Толк)
2) Идея реализации автоматизированного контроля качества
* Концепция автоматизированной системы видеоаналитики
3) Архитектура системы
* Общая концепция пайплайна
* Получение и нормализация видеопотока
* Конвейер обработки кадров и формирование признаков
* Передача признаков и ML-инференс
* Хранение временных рядов и расчет метрик
* Визуализация данных и пользовательский интерфейс
4) Задача компьютерного зрения
* Задача и требования к моделям компьютерного зрения
* Сбор и разметка обучающего датасета
* Сравнительный анализ моделей инстанс-сегментации
* Сравнительный анализ моделей локализации ключевых точек
* Адаптация моделей к реал-тайм-инференсу
* Многообъектный трекинг и выбор алгоритма
5) Задача машинного обучения
* Постановка задачи и требования к ML-модели
* Сбор и подготовка обучающего датасета
* Формирование признакового пространства
* Методика валидации и метрики качества
6) Улучшение системы контроля качества
* Калибровка камеры
* Устойчивость системы к внешнему воздействию
7) Финальные результаты
 
8) Внедрение системы на сортировочную линию производства
 
9) Итоги


== Ссылки ==  
=== Спикеры ===  
* '''[https://t.me/+iia2nBEpWF9lNjky Чат]'''
'''Кадиев Малик''', ведущий разработчик "Ист-Вест Технолоджис". Направление: классические методы ML, компьютерное зрение (CV).
* '''[https://forms.gle/hq1k9h5qvLpzFGui9 Анкета участника (обязательно к заполнению!)]'''
Образование: НИУ МЭИ (Ядерная энергетика и теплофизика), НИЯУ МИФИ (Инженерное и компьютерное моделирование в атомной отрасли), НИУ ВШЭ (Искусственный интеллект)


== Описание ==
'''Агдавлетова Айслу''', бэкенд разработчик: проектирование и разработка бэкенд-сервисов, разработка и поддержка инфраструктуры, интеграция ml-моделей в продуктовые решения
Проводим открытое занятие по продуктовой разработке для студентов любых курсов.


На лекции разберём эволюцию запуска программ: от выполнения скрипта в командной строке до сборки и оркестрации многосервисного приложения. Рассмотрим принципы контейнеризации, устройство Dockerfile, работу с docker-compose и архитектурные решения, позволяющие масштабировать систему.
=== Дата и время === 
12 октября (пн) в 20:00


Занятие будет полезно тем, кто хочет понять, как реальные продуктовые команды переходят от «работает у меня на ноутбуке» к устойчивым production-системам.
=== Формат ===
Онлайн-лекция (платформа Толк)
*https://atp-fivt.ktalk.ru/anrg59p5emke Ссылка на конференцию]

Текущая версия от 09:57, 6 октября 2026

План выступления

1) Проблема контроля качества массового конвейерного производства

  • Описание производственного процесса
  • Существующие методы контроля и их недостатки

2) Идея реализации автоматизированного контроля качества

  • Концепция автоматизированной системы видеоаналитики

3) Архитектура системы

  • Общая концепция пайплайна
  • Получение и нормализация видеопотока
  • Конвейер обработки кадров и формирование признаков
  • Передача признаков и ML-инференс
  • Хранение временных рядов и расчет метрик
  • Визуализация данных и пользовательский интерфейс

4) Задача компьютерного зрения

  • Задача и требования к моделям компьютерного зрения
  • Сбор и разметка обучающего датасета
  • Сравнительный анализ моделей инстанс-сегментации
  • Сравнительный анализ моделей локализации ключевых точек
  • Адаптация моделей к реал-тайм-инференсу
  • Многообъектный трекинг и выбор алгоритма

5) Задача машинного обучения

  • Постановка задачи и требования к ML-модели
  • Сбор и подготовка обучающего датасета
  • Формирование признакового пространства
  • Методика валидации и метрики качества

6) Улучшение системы контроля качества

  • Калибровка камеры
  • Устойчивость системы к внешнему воздействию

7) Финальные результаты

8) Внедрение системы на сортировочную линию производства

9) Итоги

Спикеры

Кадиев Малик, ведущий разработчик "Ист-Вест Технолоджис". Направление: классические методы ML, компьютерное зрение (CV). Образование: НИУ МЭИ (Ядерная энергетика и теплофизика), НИЯУ МИФИ (Инженерное и компьютерное моделирование в атомной отрасли), НИУ ВШЭ (Искусственный интеллект)

Агдавлетова Айслу, бэкенд разработчик: проектирование и разработка бэкенд-сервисов, разработка и поддержка инфраструктуры, интеграция ml-моделей в продуктовые решения

Дата и время

12 октября (пн) в 20:00

Формат

Онлайн-лекция (платформа Толк)

Источник — https://wiki.atp-fivt.org/index.php?title=Разработка_сервиса_визуальной_детекции_и_измерения_размеров_креветок_в_экстремальных_температурных_условиях_на_реальном_производстве&oldid=5379