Технология предназначена для временной сегментации видеопотоков с производственных площадок. Система понимает, на каком этапе находится та или иная операция - например, замена масла или сборка компонентов - и автоматически выделяет ключевые моменты в видеоматериале.
«Внедрение таких систем дает реальную экономию: теперь не нужно вручную разбирать сотни часов видео, чтобы обучить нейросеть распознавать производственные этапы, - сказал ведущий инженер по машинному обучению Центра ИИ «Сколтеха» . - Модель будет самостоятельно выделять закономерности в больших объёмах необработанного материала. Это позволяет промышленным камерам в реальном времени выявлять отклонения от нормального хода процесса и помогать предотвратить аварийные ситуации».
Нейросеть обучается на большом массиве неразмеченных видеозаписей, самостоятельно выделяя ключевые признаки без участия разметчиков. Затем проходит дообучение на небольшой размеченной выборке и адаптируется под конкретные задачи (например, для классификации событий «замена колеса», «замена масла», «статическое состояние»). Система показала высокую скорость обработки видеопотоков, что делает ее пригодной для применения в реальном времени в промышленных условиях.
По словам руководителя исследовательской группы Центра ИИ «Сколтеха» , технология станет частью более широких решений для обеспечения промышленной безопасности и оптимизации производственных процессов.
В ближайших планах команды - расширить количество поддерживаемых сценариев и типов производственных операций, протестировать систему на реальных объектах с непрерывным мониторингом большого числа процессов, интегрировать подход в комплексные системы для умного видеонаблюдения на промышленных площадках.
«Именно такие проекты делают производство более безопасным и интеллектуальным. Мы уверены, что предложенная методика найдет применение и за пределами классических сборочных линий», - сказала Светлана Илларионова.