☀️ Как горнодобывающее предприятие заменило зарубежные аналоги собственным ИТ-продуктом для анализа породы.
Клиенту нужно было быстрее оценивать буровзрывные работы, повышать их объективность и упрощать работу специалистов на карьерах. Но основная проблема — отсутствие доступа к зарубежным продуктам, которые ранее закрывали эти задачи.
Планшеты клиента работают на Linux OS. Мы разработали для них ПО на базе ИИ-модели сегментации пород. Особенность продукта была не только в использовании технологий компьютерного зрения (CV) и машинного обучения (ML), но и в качественной разметке данных.
Ключевой этап — обучение ML-модели, чтобы она корректно выделяла пустоты, мелкую фракцию и отдельные куски породы. Для этого потребовался большой размеченный датасет. Наша команда по обеспечению качества (QA) обработала тысячи изображений по чётким правилам разметки. Это обеспечило стабильную работу устройства в полевых условиях и высокую точность анализа.
В результате:
🔹 Заказчик запатентовал устройство и может продавать его
🔹До 98% увеличилась точность определения размеров фрагментов пород
🔹Анализ фрагментации горной массы выполняется автоматически
Детали проекта 🔥
Успех проекта во многом зависел от качества разметки данных для ИИ-модели. Разметка превращает «сырые» материалы в датасет, который можно использовать для обучения, дообучения или оценки ИИ-модели. Такая разметка нужна в компьютерном зрении, обработке текстов, аудио и видео. Подробнее об услуге здесь 👈
Клиенту нужно было быстрее оценивать буровзрывные работы, повышать их объективность и упрощать работу специалистов на карьерах. Но основная проблема — отсутствие доступа к зарубежным продуктам, которые ранее закрывали эти задачи.
Планшеты клиента работают на Linux OS. Мы разработали для них ПО на базе ИИ-модели сегментации пород. Особенность продукта была не только в использовании технологий компьютерного зрения (CV) и машинного обучения (ML), но и в качественной разметке данных.
Ключевой этап — обучение ML-модели, чтобы она корректно выделяла пустоты, мелкую фракцию и отдельные куски породы. Для этого потребовался большой размеченный датасет. Наша команда по обеспечению качества (QA) обработала тысячи изображений по чётким правилам разметки. Это обеспечило стабильную работу устройства в полевых условиях и высокую точность анализа.
В результате:
🔹 Заказчик запатентовал устройство и может продавать его
🔹До 98% увеличилась точность определения размеров фрагментов пород
🔹Анализ фрагментации горной массы выполняется автоматически
Детали проекта 🔥
Успех проекта во многом зависел от качества разметки данных для ИИ-модели. Разметка превращает «сырые» материалы в датасет, который можно использовать для обучения, дообучения или оценки ИИ-модели. Такая разметка нужна в компьютерном зрении, обработке текстов, аудио и видео. Подробнее об услуге здесь 👈