27 сентября 2022
отвечает за обнаружение возможных разливов жидкости в видимом диапазоне с фиксацией видеоизображения места, времени обнаружения и источника данных
в дополнении к базовому режиму при анализе используются данные с камер с инфракрасной подсветкой, что позволяет повысить вероятность распознавания разлива жидкостей с камер, к примеру, на скважине или сепарационной установке
в дополнении к базовому режиму при анализе используются данные с тепловизионной камеры, что позволят повысить вероятность распознавания разливов нефтесодержащих жидкостей и отличить от лужи, мокрого асфальта
Для выявления более точных результатов требовалось дать возможноcть системе точнее вывести основные признаки разлива. Для этого был увеличен объем (до 2 тысяч) и улучшено качество обучающего материала за счет применения трансформаций к исходным данным, была произведена стандартизация обучающего материала.
Для повышения точности распознавания разрабатывается система рейтинга, на которой профильный специалист будет оценивать результаты работы алгоритма и вносить коррективы для обучения системы, смотреть спорные, неявные «разливы» и выставлять дополнительную оценку.
Для оптимизации скорости и качества обнаружения используется специальный алгоритм нормализации разнородной (разноформатной) входной информации,
Для повышения точности распознавания планируется обучить на более чем 1000 примеров исходных данных, что позволит увеличить точность распознавания основных факторов.
Для повышения точности оценки система соревнуется в результате с машинным алгоритмом распознавания, разработанным специально для данной задачи
Для повышения точности распознавания разрабатывается система рейтинга, на которой профильный специалист будет оценивать результаты работы алгоритма и вносить коррективы для обучения системы, смотреть спорные, неявные «разливы» и выставлять дополнительную оценку.
Для оптимизации скорости и качества обнаружения используется специальный алгоритм нормализации разнородной (разноформатной) входной информации,
Для повышения точности распознавания планируется обучить на более чем 1000 примеров исходных данных, что позволит увеличить точность распознавания основных факторов.
Для повышения точности оценки система соревнуется в результате с машинным алгоритмом распознавания, разработанным специально для данной задачи
Для упрощений взаимодействия пользователя с системой разрабатываются сценарии взаимодействия. Это сократит время на обучение работе с программой и снизит вероятность ошибки оператора, вызванной человеческим фактором. Простым примером эффективного взаимодействия может служить графический интерфейс. Такой интерфейс снижает нагрузку на пользователя и позволяет автоматизировать часть процессов. В случае разворачивания системы на серверной части будут использованы графический и консольный интерфейсы.
Для обучения и безошибочной работы пользователя будут созданы инструкции по работе программы и взаимодействию с ней или ее частями в случае интеграции.