Проблема 5 400 раз в год самолеты и вертолеты сталкиваются с птицами (по данным Международной организации гражданской авиации). За 25 лет из-за столкновений пострадали 160 самолетов и погибли 200 человек
Панорамная камера замечает птиц и передает данные на сервер по Wi-Fi. На сервере наш алгоритм распознает предметы, которые похожи на птиц. Если они обнаружены, поворотная камера автоматически наводится на предметы по координатам и увеличивает картинку. Если это действительно птицы, алгоритм определяет их размер, количество, направление движения и степень угрозы для самолетов. В случае опасности сигнал поступает оператору.
Решение В аэропортах есть сотрудники, которые отслеживают птиц с биноклем или с помощью камер, установленных в точке отрыва самолета от полосы. Эти методы трудоемки и малоэффективны, поэтому мы создали систему, которая автоматически обнаруживает и предупреждает о птицах перед самолетом.
Что умеет система
Выявлять птиц в опасной зоне в воздухе и на земле
Определять параметры: расстояние до птиц, направление движения, количество, размер, действия птиц на земле и в воздухе
Автоматически подавать сигнал, если птицы в опасной зоне
Выводить изображение на монитор оператора
Технологии Мы использовали язык программирования — Python и С++. Библиотеки машинного обучения — Tensor Flow, Keras, Numpy, pandas, а также инструменты создания веб-интерфейсов — это HTML и C.
Нюансы проекта Для работы системы важно учесть три момента: нужен монтаж камер с возможностью обзора взлетно-посадочной полосы; питание для камер в точке монтажа; интернет со скоростью 1 гБит в точке установки сервера. Второй нюанс: пока что система работает только в ясную погоду. Ночью или в сильный туман обычная камера не замечает объекты, однако это решается использованием камер с тепловизором.
Развитие На следующих этапах мы планируем добавить возможность отпугивания птиц с помощью ультразвука.
Разработка систем для бизнеса на основе искуственного интеллекта
От анализа данных до внедрения AI-решений. Максимальная точность, оптимизация и поддержка
Сроки Проект состоял из семи этапов. На первом мы научили систему определять птиц, на последнем — запустили и доработали ошибки.
Задача;Срок разработки
Научить систему определять птиц на видео;1 неделя
Подключить камеру и научить измерять расстояние до птиц;1 месяц
Адаптировать нейронную сеть под мини-сервер JETSON;1 месяц
Собрать датасет реального поведения птиц на взлетно-посадочной полосе;1 месяц
Научить систему распознавать птиц, измерять расстояние и направление движения, определять дальность работы для разных погодных условий;2 месяца
Сделать систему оповещения оператора;1 неделя
Протестировать и запустить;1 месяц
Общий срок;4 месяца
Задача;Срок разработки
Научить систему определять птиц на видео;1 неделя
Подключить камеру и научить измерять расстояние до птиц;1 месяц
Адаптировать нейронную сеть под мини-сервер JETSON;1 месяц
Собрать датасет реального поведения птиц на взлетно-посадочной полосе;1 месяц
Научить систему распознавать птиц, измерять расстояние и направление движения, определять дальность работы для разных погодных условий;2 месяца
Сделать систему оповещения оператора;1 неделя
Протестировать и запустить;1 месяц
Общий срок;4 месяца
Команда Команда пилотного проекта состояла из трех человек: программиста машинного обучения и нейронных сетей, DevOps и менеджера проекта.