Как системы компьютерного зрения
меняют логистику и медицину

«Компьютерное зрение», «Искусственный интеллект», «Нейронные сети» — вот уже несколько лет эти темы находятся в тренде и активно обсуждаются в СМИ. Регулярно мы слышим о том, что новый стартап по распознаванию лиц получил поддержку инвестора, крупная ИТ-компания решила вложить деньги в направление, связанное с внедрением искусственного интеллекта, торговая сеть применяет компьютерное зрение для ликвидации очередей у касс и т.п.

Современный человек привык к этим понятиям и хотя бы в общих чертах представляет, о чем идет речь. Многие шагнули навстречу новым технологиям и используют те или иные достижения в области КЗ и ИИ в быту и на работе. Неудивительно, ведь в последние годы, как в мире, так и в России отрасль сделала огромный шаг вперед. В видеонаблюдении, управлении беспилотными транспортными средствами, дефектоскопии на линиях производства и сборки компьютерное зрение уже совершило настоящий технологический прорыв.

Однако перечисленными достижениями возможности новых технологий не ограничиваются. Эксперты по КЗ уверены, что аналогичный прорыв ожидает медицину, логистику, природоохрану и многие другие отрасли. Но, как известно, ожидание и реальность не всегда совпадают. Поэтому интересно узнать о том, какие реальные результаты уже достигнуты в «ожидающих прорыва» отраслях и какой путь проходят российские разработчики в процессе реализации технологических решений, не имеющих аналогов.

Логистика

Оптимизация логистических процессов любого предприятия – важная составляющая успеха. Грамотно организованная логистика позволяет значительно сократить издержки и потери, увеличить прибыль и повысить конкурентоспособность компании. В борьбе за лидерство, компании из самых различных отраслей ищут новые технологические решения и алгоритмы оптимизации этих процессов.

Расчет объема лесоматериалов

Создать систему, которая будет автоматически рассчитывать объем древесины, сложенной в штабели – интересная и нетривиальная задача для разработчиков.

Традиционно для вычисления объемов леса применяют ручной или лазерный метод. В первом случае, рулеткой измеряют длину и высоту штабеля и умножают полученную величину на коэффициент из таблицы. Несмотря на погрешность этого метода порядка 20%, его широко применяют в промышленности из-за дешевизны: по сути, оплачивается только работа специалиста-эксперта. Автоматическая оценка объема древесины с помощью лазерного оборудования требует специальной дорогостоящей техники и квалифицированных специалистов. При этом методе каждое бревно прогоняют через сканер и таким образом получают точные данные.

Разработка «СКЗ» позволяет вычислить объем древесины, просто сделав несколько фото и загрузив их в специальное приложение. Затем программа обработки изображений самостоятельно определит количество бревен, плотность укладки и введет нужные поправки. Продукт, разработанный на основе проприетарных запатентованных алгоритмов и методик подсчета, базируется на цепочке алгоритмов обработки изображений, снимаемых со стороны торцов штабелей, а также вида сбоку штабеля для измерения длины составляющих его брёвен.

Работа системы по подсчету объема древесины

В качестве дополнительных опций можно определить количество коры, качество древесины (выявлять гниль) и некоторые другие параметры. Система подходит для малых и крупных предприятий лесозаготовительной отрасли как альтернативное решение, сочетающее в себе высокую точность лазерного метода определения объемов леса и невысокую стоимость ручного метода.

Работа системы по подсчету объема древесины

Погрешность определения объема древесины — не выше 3 %. Точность измерения составляет 97-98%. Для сравнения: при ручном методе точность измерения — 85-95%, при пропуске лесовоза через лазерную рамку — 90-95%.

Подсчет количества труб по изображению

Полученный в ходе реализации вышеописанного проекта опыт позволил компании расширить области применения технологии по определению объемов лесоматериалов. Специалисты «Систем компьютерного зрения» создают аналогичное решение под нужды нефтедобывающей отрасли. Результатом работы станет программное приложение для смартфона на основе компьютерного зрения, позволяющее произвести подсчет нефтепромыслового и глубинно-насосного оборудования, применяемого при добыче нефти. Расчеты будут также производиться на основе одного или нескольких фотоизображений.

Медицина

Внедрение высокотехнологичных инноваций на основе компьютерного зрения совершит настоящий прорыв в ранней диагностике заболеваний, позволит максимально точно обрабатывать медицинские изображения (снимки УЗИ, рентгеновские снимки и т.п.) и усовершенствует принятие медицинских решений.

Системы с машинным обучением на базе изображений компьютерного зрения смогут помочь с постановкой верного диагноза, так как врач не всегда может заметить мелкие нюансы на снимках. Но от компьютера не ускользнет ни одна деталь, также нейронные сети с глубоким обучением способны делать экспертные предсказания на основе анализа снимков с высокой степенью надежности. Кроме того, изображение может быть сравнено с тысячами подобных снимков в базе данных медицинской системы, а результат сравнения будет использован врачом для более точной постановки диагноза.

Распознавание положения сердечных клапанов

Одним из ключевых и социально-ориентированных проектов, реализацией которого заняты специалисты «СКЗ», является разработка системы по распознаванию положения клапанов сердца. Заказчиком является израильская компания, специализирующаяся на создании программного обеспечения для обработки медицинских изображений. Создаваемое аналитическое ПО позволит точно определять позиции сердечных клапанов пациентов на снимках УЗИ.

Распознавание положения сердечных клапанов

Система станет надежным инструментом диагностики, благодаря элементу экспертного предсказания, помогающему врачу в его работе. Даже в случае низкого качества полученных снимков, где клапаны сердца не всегда хорошо и отчетливо видны, классификатор, разработанный компанией «Системы компьютерного зрения», с высокой точностью определит их расположение. Для решения поставленной задачи применен метод семантической сегментации, так как данный метод учитывает не только пространственную, но и контекстную информацию, получаемую со снимка.

В качестве базовой модели в ходе экспериментов была выбрана архитектура нейронной сети Unet, хорошо зарекомендовавшая себя в решении задач по обработке биомедицинских изображений. В ходе работы над проектом архитектура сети была модифицирована для достижения наилучших результатов. На данной стадии проекта точность получаемых результатов превышает 95%. Компания-заказчик планирует установить разработанное ПО на существующие аппараты УЗИ.

***

Мы прикоснулись лишь к вершине айсберга и полностью не можем осознать потенциал, сокрытый в технологиях компьютерного зрения и искусственного интеллекта. Ученые и разработчики «СКЗ» настоящие фанаты своего дела. Они гордятся своими проектами, начинающимися от разработки алгоритмов с нуля до сборки макетов и полевых тестов.

Мы верим, что наши решения позволяют улучшать качество жизни, оптимизируют процессы предприятий и изменяют мир к лучшему! — говорит совладелец компании Владимир Уфнаровский.

В следующей публикации из цикла, посвященного компьютерному зрению, читатели узнают про экзотическое применение технологии распознавания лиц, которую специалисты «Систем компьютерного зрения» использовали в проекте, связанном с охраной природы.

Новые технологии в здравоохранении