Промышленная видеоналитика

Промышленная видеоаналитика

Datanomics Industrial Video Analytics (DIVA)

Мониторинг и анализ данных с видеокамер с помощью компьютерного зрения на основе созданной нейросети в целях контроля любых производственных объектов.

Datanomics Industrial Video Analytics (DIVA) - это:

Оперативное реагирование на внештатные ситуации

До 20% отгруженной продукции возвращается назад по закупочной стоимости.
Повторное использование продуктов невозможно, возникают дополнительные расходы на утилизацию

Как сократить возвраты

Минимизация человеческого фактора

Прогнозирование объемов спроса снижает расходы на хранение продукции, исключает затоваривание склада

Своевременное детектирование выбросов для уменьшения ущерба окружающей среде

Автозаказ позволяет удовлетворять потребность в товаре с минимальным привлечением обслуживающего персонала. Это сокращает издержки и сводит к минимуму риск ошибок из-за человеческого фактора

Уменьшение вероятности аварийных ситуаций

Производители осознают необходимость расширения ассортимента, но не имеют возможности расширить производственные мощности. Зачастую прогнозирование спроса позволяет выявить ресурсы для производства новых продуктов без расширения производственных мощностей

Снижение доли брака

Прогнозирование спроса позволяет спланировать производство оптимальным образом

Автоматическое формирование отчётов

Прогнозирование спроса позволяет спланировать график работы персонала наилучшим образом

Компоненты решения

Datanomics Industrial Video Analytics (DIVA):

Видеосистема

Инфраструктура

Модель компьютерного зрения

APM оператора

Ядром системы является нейросеть, созданная специалистами Белтел.

Работа нейросети может быть реализована как в облаке, так и на серверах предприятия.

Поскольку самым ресурсоёмким процессом при создании рабочей нейросети является обучение, то оно производится на специальных облачных ресурсах Microsoft Azure. Это позволяет оплачивать только реально используемое время вычислений, а не покупать кластеры высокопроизводительных систем на базе GPU только для того чтобы использовать 5% времени.

В дальнейшем для компьютерного зрения на основе созданной и обученной модели могут быть использованны облачные ресурсы (менее производительные и более дешёвые), или модель может быть перенесена на стандартные сервера предприятия (в том числе и виртуальные), поскольку специализированных ресурсов не требуется.