На связи с 9:00 до 19:00
На связи с 9:00 до 19:00
Направляем технологии искусственного интеллекта и машинного обучения на пользу вашему бизнесу
Услуги для проектов из самых разных сфер
Нажимая кнопку «Отправить» вы соглашаетесь с политикой обработки персональных данных
Оставьте ваши контакты, и мы перезвоним для консультации
Мы в Data Acquisition с 2013 года специализируемся на задачах по компьютерному / машинному зрению, NLP, прогнозным моделям и временным рядам.
В процессе реализации проектов из разных сфер (производство, геология, медицина, IT и другие) у нас сформировались готовые решения по детекции брака, анализу поведения персонала, классификации геологических пород и другим актуальным задачам.
Нас мотивируют нестандартные задачи, Которые создают дополнительную ценность для бизнеса и человека
Реализованные ПРОЕКТЫ
Срок реализации
2 месяца
Детекция брака для компании «Добрые Печеньки»
Детекция брака для компании «Добрые Печеньки»
Подсчет выхода печений с производственной линии, а также подсчет бракованных печений
Компании «Добрые Печеньки» для оценки качества технологической настройки оборудования, а также для учета объема списанной дефектной продукции требовалось вести учет выхода печений с производственной линии и проверять каждое печенье на предмет соответствия эталону, а также вести учет количества дефектных печений
Был проведен подбор и монтаж камеры, разработана система подсчета и определения качества печений. В данном проекте мы не проводили разметку датасета и классическое обучение нейронной сети, а использовали алгоритмы обработки изображений из OpenCV. Мы находили движущуюся зону конвейера, детектировали печенья и осуществляли их трекинг, далее классифицировали печенья на схожесть с эталоном и фиксировали события по сходу печений с конвейера
98
Точность определения бракованных печений
%
30
40000
Печений в день обрабатывает система
Время обработки ПО информации по одному печенью
>
мс
Срок реализации
2 месяца
Машинное зрение на швейном производстве
Машинное зрение на швейном производстве
Разработка алгоритмов машинного зрения для определения эффективности работы сотрудников швейного производства
01 При большом количестве сотрудников швейного производства становится проблематично контролировать соответствие работы швей плановым показателям и внутренним стандартам производства.
02 Зачастую сотрудники покидают свои рабочие места по личным причинам, пользуются гаджетами и проявляют другие активности не связанные с рабочим процессом.
03 Заказчику было необходимо разработать решение, собирающее важные аналитические данные по каждому из сотрудников, а именно: время присутствия / отсутствия на рабочем месте, количество отшитых материалов, факт использования гаджетов на рабочем месте.
02 Зачастую сотрудники покидают свои рабочие места по личным причинам, пользуются гаджетами и проявляют другие активности не связанные с рабочим процессом.
03 Заказчику было необходимо разработать решение, собирающее важные аналитические данные по каждому из сотрудников, а именно: время присутствия / отсутствия на рабочем месте, количество отшитых материалов, факт использования гаджетов на рабочем месте.
01 Было произведено обучение нейронной сети для определения сотрудников по лицам, для этого было использовано более 600 изображений на каждого сотрудника, наилучший результат показала модель Yolov8m.
02 Разработаны модели детекции человека и его лица с динамической перепривязкой ID таким образом, что модель детектирует определенного сотрудника даже если он отвернулся и его лицо не попадает в камеру.
03 Протестирована и внедрена модель обработки кадров видео таким образом, чтобы оптимизировать быстродействие системы и при этом корректно рассчитывать время проведенное за работой и другими активностями.
04 Разработан пользовательский веб-интерфейс с возможностью просмотра статистики по действиям сотрудников и их рабочей активности.
02 Разработаны модели детекции человека и его лица с динамической перепривязкой ID таким образом, что модель детектирует определенного сотрудника даже если он отвернулся и его лицо не попадает в камеру.
03 Протестирована и внедрена модель обработки кадров видео таким образом, чтобы оптимизировать быстродействие системы и при этом корректно рассчитывать время проведенное за работой и другими активностями.
04 Разработан пользовательский веб-интерфейс с возможностью просмотра статистики по действиям сотрудников и их рабочей активности.
85
ПО одновременно анализирует работу 85 сотрудников
20
20
%
Повышение производительности труда
Нарушений рабочего процесса выявляется ежедневно
на
>
Срок реализации
8 месяцев
Разработка Программы для определения свойств кернового материала для ИГТ-Групп
Разработка Программы для определения свойств кернового материала для ИГТ-Групп
Разработка алгоритмов машинного зрения для поинтервальной количественной и качественной характеристики геологических объектов в керновом материале на базе растровых изображений.
01 При бурении породы извлекаются ее образцы (керновый материал), который используется для анализа глубинного строения земной коры и решения геолого-промысловых задач поиска и разведки полезных ископаемых.
02 Фотографии ящиков с керновым материалом обрабатывались в ручную. От геологов требовалось производить оценку состава керна на наличие жил, прожилок, разрушенного керна, цельной породы и других характеристик. Ручная обработка фотографий занимала много времени, что значительно усложняло процесс расчетов.
03 Кроме того, в расчетах присутствовали ошибки, обусловленные «человеческим фактором». Стояла задача автоматизировать процесс обработки фотографий через машинное зрение.
02 Фотографии ящиков с керновым материалом обрабатывались в ручную. От геологов требовалось производить оценку состава керна на наличие жил, прожилок, разрушенного керна, цельной породы и других характеристик. Ручная обработка фотографий занимала много времени, что значительно усложняло процесс расчетов.
03 Кроме того, в расчетах присутствовали ошибки, обусловленные «человеческим фактором». Стояла задача автоматизировать процесс обработки фотографий через машинное зрение.
01 Произведена разметка датасета и обучение нейронной сети на автоматическое определение жильного материала, вмещающей породы, трещин, литотипов, цельного и разрушенного керна.
02 Разработанный продукт позволяет оператору при необходимости самостоятельно (без привлечения разработчиков) размечать объекты на изображениях керна, редактировать полученную разметку в ходе работы моделей и запускать процесс обновления построения геологической колонки.
03 Спроектированный web-интерфейс включает в себя главное меню системы с возможностью выбора проекта, модуль итогов классификации керна со встроенным редактором полученных масок, редактор глубин кернового материала и интерфейс визуализации геологической колонки.
02 Разработанный продукт позволяет оператору при необходимости самостоятельно (без привлечения разработчиков) размечать объекты на изображениях керна, редактировать полученную разметку в ходе работы моделей и запускать процесс обновления построения геологической колонки.
03 Спроектированный web-интерфейс включает в себя главное меню системы с возможностью выбора проекта, модуль итогов классификации керна со встроенным редактором полученных масок, редактор глубин кернового материала и интерфейс визуализации геологической колонки.
60
Снизилось количество ошибок при классификации керна
%
2000+
90
%
Увеличилась скорость обработки фотографий
Изображений было использовано при обучении нейросети
на
на
Срок реализации
5 месяцев
Система машинного зрения для БКК Коломенское
Система машинного зрения для БКК Коломенское
Автоматизировать подсчет и отбраковку хлебобулочной продукции на конвейерной линии БКК Коломенский.
01 Батоны укладываются в лотки по 8 штук для дальнейшей транспортировки по конвейерной линии.
02 Существует несколько различных типов батонов отличающихся упаковкой.
03 Требовалось вести подсчет транспортируемой продукции по каждому SKU, а также своевременно отбраковывать лотки с отличающимся от нормы количеством батонов.
02 Существует несколько различных типов батонов отличающихся упаковкой.
03 Требовалось вести подсчет транспортируемой продукции по каждому SKU, а также своевременно отбраковывать лотки с отличающимся от нормы количеством батонов.
01 Осуществлена разметка датасета и обучена модель на базе YOLO для детекции лотков, подсчета количества батонов и классификации батонов по SKU.
02 Произведено подключение к установленной камере по RTSP, настроено «сканирование» видеопотока нейросетью и передача сигнала об отбраковке, осуществлен вывод собранных данных в пользовательский интерфейс.
03 В рамках реализации проекта достигнута точность по целевым метрикам заказчика более 95%.
02 Произведено подключение к установленной камере по RTSP, настроено «сканирование» видеопотока нейросетью и передача сигнала об отбраковке, осуществлен вывод собранных данных в пользовательский интерфейс.
03 В рамках реализации проекта достигнута точность по целевым метрикам заказчика более 95%.
40
Сократился выход некомплектных лотков с батонами
%
95
0.5
сек.
Составляет время работы нейросети
Получена точность подсчета и классификации хлебобулочной продукции
на
<
%
Срок реализации
8 месяцев
Создание системы машинного зрения для подсчета объема выходящего шлама для ГеоТайм
Создание системы машинного зрения для подсчета объема выходящего шлама для ГеоТайм
Создать систему для оперативного и постоянного подсчета объема выходящего шлама на буровой станции.
Для нашего заказчика — нефтесервисной компаний, осуществляющей процесс бурения, было необходимо разработать систему машинного зрения, осуществляющую подсчет объема выходящего из вибросита шлама. Если порода плохо вымывается раствором, то можно испортить буровое оборудование, соответственно, зная объем выходящего шлама возможно своевременно корректировать бурение.
01 Произведено подключение к камере заказчика, настроено освещение.
02 Методами машинного зрения (OpenCV) произведен подсчет скорости движений фракций шлама.
03 Методами машинного обучения осуществлено детектирование шлама на видеопотоке, что позволило, зная скорость движения, осуществить подсчет объема выходящего шлама.
04 Разработан пользовательский интерфейс с онлайн трансляций видео и возможностью наглядного сопоставления план / факт, а также визуализацией других интересующих заказчика параметров.
05 Вычисления были перенесены на GPU, достигнута точность 85%, что являлось целевой точностью для заказчика.
02 Методами машинного зрения (OpenCV) произведен подсчет скорости движений фракций шлама.
03 Методами машинного обучения осуществлено детектирование шлама на видеопотоке, что позволило, зная скорость движения, осуществить подсчет объема выходящего шлама.
04 Разработан пользовательский интерфейс с онлайн трансляций видео и возможностью наглядного сопоставления план / факт, а также визуализацией других интересующих заказчика параметров.
05 Вычисления были перенесены на GPU, достигнута точность 85%, что являлось целевой точностью для заказчика.
85
Точность подсчета объема вышедшего
%
60
20
%
Снижен расход бурового раствора
Увеличилась скорость обнаружения проблем при бурении
>
на
%
на
Срок реализации
3 месяца
Создание умного помощника для компании ARLIFT
Создание умного помощника для компании ARLIFT
Упростить поиск технической информации для сотрудников
При эксплуатации строительной техники у сотрудников регулярно возникают вопросы, требующие поиска информации в специализированной документации, что может занимать значительное количество времени
Нашей командой было проведено обучение большой языковой модели на документах заказчика (внутренние регламенты, руководства по эксплуатации и обслуживанию техники, строительные нормы итд) для корректного ответа на все технические вопросы, касающиеся спецтехники заказчика
95
Точность ответа модели на технические вопросы
%
500
Вопросов в день обрабатывает система
Среднее время ответа на вопрос
>
>
20
мс
Услуги
Предоставляем услуги в сфере искусственного интеллекта и машинного обучения
Разрабатываем и внедряем модели машинного зрения, обработки естественного языка, прогнозные модели. Осуществляем сбор и разметку данных для машинного обучения.
Занимаемся разработкой информационных систем, систем управления базами данных, систем автоматизации производственных и бизнес-процессов.
Разрабатываем RPA-роботов и парсеры данных из любых открытых источников.
Осуществляем обработку и визуализацию данных (статистический анализ, различные дашборды)
парсинг и предобработка данных
Все начинается с данных! Мы помогаем собрать и разметить датасеты для решения ваших задач. Это могут быть разметка видео или фото данных, сбор информации со специализированных сенсоров, датчиков и разработка считывающей электроники, парсинг данных в открытых источниках, а также обработка любых имеющихся у вас данных.
# IT разработка
# консалтинг
# модель для машинного обучения
# программируемые FPGA платы
# парсинг
# анализ данных
01
# IT разработка
# консалтинг
# модель для машинного обучения
# программируемые FPGA платы
# парсинг
# анализ данных
Машинное обучение
На основе данных поможем решить полный спектр задач, где алгоритмы могут дать фору человеку, например: машинное зрение, семантическая классификация, создание торговых роботов, распознавание и синтез естественного языка, создание предиктивных моделей и многое другое. Сегодня для решения этих и подобных задач накоплено огромное количество готовых алгоритмов и библиотек, что делает их решение доступным даже для среднего и малого бизнеса.
02
# IT разработка
# консалтинг
# модель для машинного обучения
# программируемые FPGA платы
# парсинг
# анализ данных
создание интерфейсов / дашбордов
Иногда просто посчитать недостаточно, нужно ещё сконструировать и показать. Визуализация данных, создание интерактивных дашбордов, программно-аппаратная часть — все это мы также можем взять на себя.
03
# IT разработка
# консалтинг
# модель для машинного обучения
# программируемые FPGA платы
# парсинг
# анализ данных
Роботизация процессов (RPA)
Программные роботы призваны взять на себя выполнение рутинных процессов компании. Этими процессами могут быть как выполнение операций в информационных системах (выставление счетов, начисление заработной платы), так и роботизация общения с клиентами (ответы на типовые вопросы, уточнение статуса заказа и многое другое).
04
реализуем проекты любой сложности иЗ самых разных сфер бизнеса
Направления, в которых мы успешно
Направления, в которых мы успешно применяем технологии Искуственного интеллекта
применяем технологии AI
Производство
Сегодня бизнес заинтересован в снижении эксплуатационных расходов и поддержании работоспособности техники и электроники. Детектирование брака по камерам, гранулометрический анализ, прогнозное обслуживание оборудования и другие решения на основе искусственного интеллекта и машинного обучения помогут достичь этих целей и увеличить эффективность производственного процесса.
Геология
В рамках нашей деятельности мы создали ряд решений для сферы геологоразведки и добычи ископаемых. Вот некоторые из них: система подсчета объема выходящего шлама при бурении, ПО для классификации литологических типов кернового материала, ПО для расчета характеристик тонких пластинок горной породы (шлифов).
E-COM и IT
Электронная коммерция и большие данные неразрывно связаны друг с другом. Модели динамического ценообразования, автоматизация размещения контента, генерация ответов на отзывы -— эти области являются наиболее востребованными для применения машинного обучения. Это напрямую влияет на и эффективность вашего онлайн и офлайн бизнеса.
МЕДИЦИНА И ФАРМАЦЕВТИКА
Искусственный интеллект — неотъемлемая часть современной медицины. Классификация медицинских снимков, автоматизация документооборота, разработка специализированных медицинских систем - только часть проектов уже реализованных Data Acqusition.
И мы перезвоним для консультации
шаг 1/2
Оставьте ваши контакты