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 5 промежуточных версий этого же участника)
Строка 1: Строка 1:


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


=== Спикеры ===  
=== Спикеры ===  
Кадиев Малик, ведущий разработчик "Ист-Вест Технолоджис". Направление: классические методы ML, компьютерное зрение (CV).  
'''Кадиев Малик''', ведущий разработчик "Ист-Вест Технолоджис". Направление: классические методы ML, компьютерное зрение (CV).  
Образование:  
Образование: НИУ МЭИ (Ядерная энергетика и теплофизика), НИЯУ МИФИ (Инженерное и компьютерное моделирование в атомной отрасли), НИУ ВШЭ (Искусственный интеллект)
- НИУ МЭИ (Ядерная энергетика и теплофизика)  
 
- НИЯУ МИФИ (Инженерное и компьютерное моделирование в атомной отрасли)
'''Агдавлетова Айслу''', бэкенд разработчик: проектирование и разработка бэкенд-сервисов, разработка и поддержка инфраструктуры, интеграция ml-моделей в продуктовые решения
- 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 ===   
=== Дата и время ===   

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