Стартапы из акселератора Университета ИТМО — начинающие проекты в области машинного зрения

в 16:16, , рубрики: Labra, O.VISION, акселератор ИТМО, Блог компании Университет ИТМО, Производство и разработка электроники, стартапы, Универститет ИТМО

Сегодня мы продолжаем рассказывать о командах, которые прошли через наш акселератор. В этом хабрапосте их будет две. Первая — стартап Labra, который разрабатывает решение для контроля производительности труда. Вторая — O.VISION с системой распознавания лиц для турникетов.

Стартапы из акселератора Университета ИТМО — начинающие проекты в области машинного зрения - 1
Фото: Randall Bruder / Unsplash.com

Как Labra увеличит производительность труда

Рост производительности труда на западных рынках замедлился. По данным McKinsey, в начале нулевых этот показатель составлял 2,4%. Но в период с 2010 по 2014 год он упал до 0,5%. Аналитики отмечают, что с тех пор ситуация не изменилась. Но есть мнение, что решить проблему помогут системы искусственного интеллекта. Ожидается, что с помощью систем ИИ показатель роста производительности вернется к отметке 2% в течение десяти лет. Умные алгоритмы помогут автоматизировать рутинные задачи и оптимизировать рабочие процессы.

В этих областях уже проводят исследования специалисты из Oracle, инженеры ведущих западных вузов и даже представители Лондонского королевского сообщества. Не последнюю роль в увеличении показателя роста производительности сыграет машинное зрение. Технологию используют для независимой оценки рабочего места и эффективности сотрудников. Такие решения уже внедряют западные компании — например, Microsoft и Walmart.

Разрабатывают решения для оценки производительности труда и российские компании. Например, стартап Labra, который прошел через нашу программу акселерации. Инженеры делают систему видеонаблюдения с нейросетью, которая распознает действия сотрудников предприятия и дает понять, как именно они расходуют рабочее время.

Как работает система. Labra может функционировать на любом предприятии с машинным или машинно-ручным трудом, штат которого превышает 15 человек. С помощью камер она формирует так называемую фотографию рабочего дня — то есть фиксирует все, что происходит во время смены. В общих чертах алгоритм выглядит следующим образом:

  • Система захватывает изображение и проводит разметку рабочих операций;
  • Алгоритм машинного обучения анализирует видео;
  • Затем алгоритм формирует фотографию рабочего дня;
  • Далее — выполняется автоматический расчет аналитики;
  • Labra формирует итоговый отчет с рекомендациями, которые повысят безопасность на предприятии и оптимизируют его ресурсы.

Кто входит в команду. Штат стартапа насчитывает восемь человек — руководитель и основатель, два разработчика, три специалиста по нормированию труда. Также есть менеджер по работе с клиентами и бухгалтер. Некоторые из них совмещают работу по проекту с учебой в университете. Поэтому за выполнением задач и дедлайнами все следят самостоятельно. Однако команда устраивает митапы дважды в неделю, чтобы обсудить прогресс и планы по развитию.

Перспективы. В начале сентября стартап представил свой проект на Петербургском цифровом форуме. Там инженеры продемонстрировали возможности продукта. Labra планирует дальше продвигать решение и работает над перспективой сотрудничества с предприятиями страны.

O.VISION поможет отказаться от ключей и пропусков

В 2017 году журнал MIT Technology Review включил распознавание лиц в топ-10 прорывных технологий. Отчасти это решение было связано с обширной применимостью таких систем. В частности, они могут заменить привычные ключи и пропуски при входе в здание — например, ряд российских банков уже внедрили подобные разработки. На рынке появляются и новые игроки, например, аналогичное решение разрабатывает стартап O.VISION. Команда делает бесконтактную пропускную систему для турникетов, которую можно установить за 30 минут.

Как работает система. Разработка представляет собой программно-аппаратный комплекс, устанавливаемый на КПП. Её основу составляют пять нейронных сетей, которые обрабатывают отдельные кадры с камеры биометрической системы. Авторы говорят, что обработка одного изображения занимает менее 200 миллисекунд (около пяти кадров в секунду). Все алгоритмы распознавания и интерфейс команда пишет самостоятельно — разработчики не используют проприетарные решения. Обучают нейросети с помощью фреймворка PyTorch.

Обработка данных происходит локально. Такой подход повышает безопасность персональных биометрических данных. Аппаратная часть включает в себя плату Jetson TX1 от Nvidia, которая заточена под автономные устройства. Также биометрическая система содержит интегральную схему собственной разработки для управления турникетами и интеграцией со СКУД.

Стартапы из акселератора Университета ИТМО — начинающие проекты в области машинного зрения - 2
Фото: Zan / Unsplash.com

Сотрудники стартапа. Глава компании говорит, что отбор проходил по принципу: 60 кандидатов на одно место. Такой формат позволил взять самых талантливых людей. Сейчас над проектом трудятся несколько программистов, отвечающих за алгоритмы машинного обучения и код для встраиваемых систем. Также есть backend-разработчик, специалист по информационной безопасности и дизайнер. Часть сотрудников — студенты, которые совмещают работу с магистратурой.

Перспективы. Сегодня решения O.VISION установлены на крупнейшей кофейной фабрике в Европе. Также продукт готовят к запуску в одном из питерских фитнес-центров и Политехническом университете. Возможно, в будущем O.VISION установят и в Университете ИТМО. Глава компании говорит, что они уже ведут переговоры с российскими корпорациями: «Газпром нефтью», «Билайном», «Ростелекомом» и РЖД. В перспективе — выход на зарубежные рынки.


О других проектах акселератора:

Материалы о работе Университета ИТМО:

Автор: itmo

Источник

* - обязательные к заполнению поля


https://ajax.googleapis.com/ajax/libs/jquery/3.4.1/jquery.min.js