Data Acquisition

Сейчас реализуем проект по определению мин с коптера через машинное обучение.

Суть проекта в интерпретации данных, полученных с георадара (GPR), расположенного на коптере.

Если говорить простыми словами, то GPR данные позволяют увидеть задержку отраженного сигнала от земли в зависимости от координаты. Это дает возможность при правильной интерпретации данных (которая как раз происходит с помощью обученной ML модели) получить информацию о координатах мин, их типу и глубине их залегания.

ПО позволяет оператору дрона загружать маршрутную карту облета, а саперу получать информацию об обнаруженных минах.

Как обещал, рассказываю более подробно про софт для геологов, который мы разработали для ИГТ-Групп.

В чем вообще изначально была проблема: 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.

Каждый ящик с керном фотографируется и обрабатывается потом геологами вручную, то есть человек смотрит на фотографию ящика с керном и "на глаз" определяет состав керна на наличие жил, прожилок, разрушенного керна, цельной породы и других характеристик. Ручная обработка фотографий естественно занимает много времени, что значительно усложняет процесс расчетов. Кроме того, в расчетах присутствуют ошибки, обусловленные «человеческим фактором». Стояла задача автоматизировать процесс обработки фотографий через машинное зрение.

Что было сделано нашей командой? Решение было в обучении нейронной сети на примерах размеченных фотографий ящиков с керном. Нами была произведена разметка датасета (несколько тысяч фотографий) и обучение нейронной сети на автоматическое определение жильного материала, вмещающей породы, трещин, литотипов, цельного и разрушенного керна.

Далее был создан интерфейс позволяющий 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. Собственно построение геологической колонки - это и есть финальная цель данного ПО. Кстати, наименование скважины и глубина извлечения, которые указываются на коробке с керном также определяются через машинное зрение что и позволяет автоматически строить геологическую колонку.

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.

Как итог можно констатировать, что данный софт в десятки раз сокращает время на обработку фото с керном и определяет параметры более точно, нежели "человеческий персонал" :) Все это опять же со слов заказчика, есть пруфы в виде замеров точности.

По ссылке можно посмотреть краткий обзор интерфейса https://youtu.be/QUr7yxQfntY?si=DTuyp7Vdh_b627AM

Data Acquisition Geological Software

Начинаем работать с компанией Добрые Печеньки (печеньки на фото).

Ребята красавцы - за несколько лет подняли ярдовый бизнес, делают и продают печенья в крупные сети РФ и другие страны (даже Монголия и Иран!).

Производство очень технологичное, что будем им делать через машинное зрение:

- контроль эффективности ручной лепки печений (с подсчетом количества печений по каждому сотруднику и % соответствия эталону)

- анализ эффективности палетирования / погрузки / разгрузки

- подсчет выхода и качества продукции на автоматических линиях производства печенья