Разработка сервиса визуальной детекции и измерения размеров креветок в экстремальных температурных условиях на реальном производстве
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)
- https://atp-fivt.ktalk.ru/anrg59p5emke Ссылка на конференцию]