«Инфосистемы Джет» совместно с Segezha Group создали сервис для измерения объема заготовленного леса

2020: Создание сервиса для измерения объема заготовленного леса

20 июля 2020 года компания «Инфосистемы Джет» сообщила, что совместно со специалистами Segezha Group создала сервис для измерения объема заготовленного леса. Данная система, разработанная с применением видеоаналитики и машинного обучения (ML), сокращает время оценки объема и качества сырья и делает процесс лесозаготовки более контролируемыми.

По информации компании, во время заготовки леса его вывозят грузовыми машинами (лесовозами) на склады, чтобы доставлять на комбинаты. Одна из ключевых задач в этом процессе – сделать объективный анализ поступающего сырья и произвести точный замер объема и качества бревен. Сегежский ЦБК Segezha Group (входит в АФК «Система») в Республике Карелия решил провести пилотный проект, чтобы решить эту задачу.

Специалисты ИТ-компании «Инфосистемы Джет» создали модель, которая позволяет точно измерять плотный объем поступающих на пункт приемки лесоматериалов на лесовозах. Система основана на технологиях компьютерного зрения (видеоаналитики и машинного обучения), работает на базе глубоких нейронных сетей для анализа изображений и последовательностей (Convolutional and Recurrent Neural Networks).

Принцип ее работы заключается в том, что груженый лесовоз проходит сканирование на фоторамке контрольно-пропускного пункта (скан-треке), где камеры делают множество снимков; при этом модели машинного обучения анализируют груз, определяют породу и другие характеристики дерева, и считают объем леса перед его транспортировкой на бумажный комбинат. На мониторе оператор видит конкретные пачки с указанием данных (породы, качества, диаметра), полученных в автоматизированном режиме.

Таким образом, система решает задачи снижения влияния человеческого фактора на экспертную оценку, сокращает время оценки и, как следствие, общего логистического процесса. Система помогает создать объективные метрики качества сырья для дальнейшего анализа.

Проверка работы методов компьютерного зрения для детекции бревен и ML в интеграции с имеющимися информационными системами — это важные ступени на пути к промышленному применению масштабируемых сервисов. отметил Павел Вахнин, член правления, вице-президент по информационным технологиям и автоматизации процессов Segezha Group

Система, разработанная командой «Инфосистемы Джет», адаптируется под любые погодные условия (снег, дождь, грязь, яркое солнце), распознает некорректную укладку пачек (если расстояние по ГОСТ меньше 0,3-0,5 метра), имеет хорошую производительность обработки снимков и автоматически определяет неразборчивые фотографии.Как DevOps-сервис помогает «разгрузить» высоконагруженные системы BPMSoft 2.1 т

На июль 2020 года точность сопоставления фотографий и древесных пачек зафиксирована на уровне 99% (проверено на почти трех тысячах лесовозах), а точность определения породы древесины — 99%. Причем данные одного лесовоза, проходящего через скан-трек, обрабатываются в течение нескольких секунд, тогда как ранее процесс мог занимать до Х минут с более низкой точностью.

Результаты пилотного проекта дают основание полагать, что применение современных технологий возможны даже в таких областях, как визуальный анализ поступающего сырья. рассказал Евгений Колесников, руководитель Центра машинного обучения "Инфосистемы Джет"

Разработанный сервис формирует общий стандарт применения ML в проектах и может использоваться для других площадок, видов сырья и методов доставки.