- PVSM.RU - https://www.pvsm.ru -

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

Сегодня мы продолжаем [1] рассказывать о командах, которые прошли через наш акселератор [2]. В этом хабрапосте их будет две. Первая — стартап Labra, который разрабатывает решение для контроля производительности труда. Вторая — O.VISION [3] с системой распознавания лиц для турникетов.

Стартапы из акселератора Университета ИТМО — начинающие проекты в области машинного зрения - 1 [4]
Фото: Randall Bruder [5] / Unsplash.com

Как Labra увеличит производительность труда

Рост производительности труда на западных рынках замедлился. По данным [6] 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 [7], инженеры ведущих западных вузов [8] и даже представители Лондонского королевского сообщества [9]. 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 [10] и Walmart [11].

Разрабатывают решения для оценки производительности труда и российские компании. Например, стартап Labra, который прошел через нашу программу акселерации [2]. 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 [12] — 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 [13]. 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 [14] 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 [3]. 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 [15].

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 [16].

Стартапы из акселератора Университета ИТМО — начинающие проекты в области машинного зрения - 2
Фото: Zan [17] / 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 [3] 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 [23]


Сайт-источник PVSM.RU: https://www.pvsm.ru

Путь до страницы источника: https://www.pvsm.ru/startapy/332964

Ссылки в тексте:

[1] продолжаем: https://habr.com/ru/company/spbifmo/blog/469229/

[2] наш акселератор: http://accel.itmo.ru/

[3] O.VISION: https://www.o.vision/

[4] Image: https://habr.com/ru/company/spbifmo/blog/471254/

[5] Randall Bruder: https://unsplash.com/photos/3_I4NVI9d1k

[6] данным: https://www.mckinsey.com/featured-insights/future-of-work/ai-automation-and-the-future-of-work-ten-things-to-solve-for

[7] Oracle: http://www.oracle.com/us/products/applications/oracle-ai-at-work-report-5037501.pdf

[8] ведущих западных вузов: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6452673/

[9] Лондонского королевского сообщества: https://www.thebritishacademy.ac.uk/sites/default/files/AI-and-work-evidence-synthesis.pdf

[10] Microsoft: https://www.digitaltrends.com/computing/microsoft-build-2017-ai-workplace/

[11] Walmart: https://www.theverge.com/2018/12/21/18151738/walmart-eavesdrop-patent-customer-employee-privacy

[12] фотографию рабочего дня: https://ru.wikipedia.org/wiki/%D0%A4%D0%BE%D1%82%D0%BE%D0%B3%D1%80%D0%B0%D1%84%D0%B8%D1%8F_%D1%80%D0%B0%D0%B1%D0%BE%D1%87%D0%B5%D0%B3%D0%BE_%D0%B4%D0%BD%D1%8F

[13] на Петербургском цифровом форуме: http://news.ifmo.ru/ru/startups_and_business/partnership/news/8761/

[14] включил: https://www.technologyreview.com/lists/technologies/2017/

[15] фреймворка PyTorch: https://pytorch.org/

[16] СКУД: https://ru.wikipedia.org/wiki/%D0%A1%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D0%B0_%D0%BA%D0%BE%D0%BD%D1%82%D1%80%D0%BE%D0%BB%D1%8F_%D0%B8_%D1%83%D0%BF%D1%80%D0%B0%D0%B2%D0%BB%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B4%D0%BE%D1%81%D1%82%D1%83%D0%BF%D0%BE%D0%BC

[17] Zan: https://unsplash.com/photos/wGqz5YSqsfk

[18] Коктейль для здорового питания: https://habr.com/ru/company/spbifmo/blog/447036/

[19] Умный стетоскоп: https://habr.com/ru/company/spbifmo/blog/445028/

[20] Фаблаб Университета ИТМО: DIY-коворкинг для творческих людей: https://habr.com/company/spbifmo/blog/434976/

[21] Как работает Университет ИТМО: экскурсия по лаборатории киберфизических систем: https://habr.com/company/spbifmo/blog/435250/

[22] Фотоэкскурсия: Музей оптики Университета ИТМО: https://habr.com/ru/company/spbifmo/blog/459800/

[23] Источник: https://habr.com/ru/post/471254/?utm_source=habrahabr&utm_medium=rss&utm_campaign=471254