Tochka.CV 2.0

Программа Tochka.CV 2.0 предназначена для детектирования, классификации и сопровождения объектов на видеоданных на основе методов искусственного интеллекта в реальном времени, либо на видеозаписи. Программное обеспечение способно выявлять целевые показатели объекта (например, дефекты на поверхности детали), используя для этого методы искусственного интеллекта и алгоритмы компьютерного зрения.

В программе Tochka.CV 2.0 реализованы следующие бизнес-функции:

-    нахождение объектов на зеркальной поверхности сложнопрофильных деталей с использованием машинного зрения и моделей глубокого машинного обучения;

-    инспектирование всей зеркальной поверхности сложнопрофильных деталей;

-    автоматический учет типоразмера деталей;

-    обеспечение получения качественных изображений объектов на поверхности деталей;

-    визуализация мелких дефектов размером от 40 микрон;

-    исключение влияния человеческого фактора из процесса.

Структурная схема и функциональные возможности Tochka.CV 2.0

Видеопоток с видеокамеры, либо из видеозаписи, проходящий через сетевую карту, захватывается модулем захвата изображений и передаётся в Ядро программы Tochka.CV 2.0 для предобработки. Полученные кадры передаются в Модуль обработки для обработки Нейросетью. Обработанный программой видеопоток, пройдя через Сервер статистики, передаётся в АРМ пользователя, предназначенный для просмотра процесса обработки видеоизображения и его результатов. Более подробное описание модулей приведено ниже.

Программа Tochka.CV 2.0 состоит из следующих частей:

1. Ядро системы.

Ядро системы способно обеспечивать:

-    получение видеопотоков с камер различных производителей, в том числе камер машинного зрения, изображений в форматах bmp, tiff, png, jpg;

-    возможность подключения нейросетевых моделей;

-    настройка процесса обработки видеопотоков и изображений с использованием нейросетевых моделей и классических алгоритмов;

-    передача видеопотоков и результатов обработки в АРМ пользователя;

-    передача результатов обработки на сервер статистик;

-    возможность передачи результатов обработки во внешние системы пользователя посредством API;

-    балансировка выполняемых задач на заданное количество вычислительных средств;

-    использование механизма авторизации на основе AD или LDAP серверов пользователя;

-    использование механизма управления правами пользователя;

-    реализация механизмов мониторинга качества работы моделей.

2. Ядро АРМ пользователя.

Ядро АРМ пользователя способно обеспечивать:

-    получение видеопотоков и результатов обработки из ядра системы;

-    доступ на основе авторизации и распределения прав пользователя;

-    возможность отображения результатов обработки, в том числе с наложением на видеокадр;

-    возможность кастомизации интерфейса пользователя.

3. Ядро сервера статистики.

Ядро сервера статистики способно обеспечивать:

-    получение результатов обработки из ядра системы;

-    сохранение результатов обработки в базе данных;

-    доступ к страницам на основе авторизации и распределения прав пользователя;

-    отображение базовых отчетов в виде журнала с возможностью фильтрации, редактирования и графиков тенденций.

4. Модуль захвата видеоизображения.

Модуль захвата видеоизображения способен обеспечивать:

-    получение видеопотока с камеры (режим онлайн), либо из видеозаписи (режим офлайн).

5. Модуль обработки видеоизображения алгоритмом на основе обученной нейросети.

Модуль обработки видеоизображения алгоритмом на основе обученной нейросети способен обеспечивать:

-    нахождение обученной нейросетью целевых объектов и их возможной дополнительной классификации.

6. Модуль отображения и администрирования.

Модуль отображения и администрирования способен обеспечивать:

-    передачу результатов работы нейросети на графический интерфейс пользователя, просмотр журнала изображений целевых объектов детектирования.

7. Утилита сбора данных.

Утилита сбора данных способна обеспечивать:

-    сбор первичных данных для обучения алгоритмов.

8. Утилита для разметки данных.

Утилита для разметки данных способна обеспечивать:

-    разметку изображений для обучения алгоритмов классификации изображений, детектирования и сегментации объектов.

9. Утилита оптимизации нейросетевых моделей.

Утилита оптимизации нейросетевых моделей способна обеспечивать:

-    оптимизацию вычислительного графа сети для снижения вычислительных затрат и, соответственно, затрат на оборудование.

10. Модуль администратора.

Модуль администратора способен обеспечивать:

-    настройку системы через интерфейс конфигурации системных параметров, профилей интеграции и других настроек.

-    авторизацию пользователей, управление учетными записями пользователей и их ролями.

-    просмотр системных журналов через интерфейс для просмотра и анализа системных журналов.

-    мониторинг системы используя инструменты для анализа производительности, состояния системы и других важных метрик.

11. Интерфейс пользователя.

Интерфейс пользователя способен обеспечивать:

-    web-интерфейс для работы в платформе;

-    возможность работы в браузерах: Яндекс, Mozilla FireFox, Google Chrome, Microsoft EDGE;

-    инструменты для визуализации процесса;

-    возможность корректировки протокола обследования;

-    адаптация интерфейса на основе ролей пользователей.

Поддержание жизненного цикла программы, в том числе устранение неисправностей и совершенствование

В ходе эксплуатации программа Tochka.CV 2.0 устанавливается на объекте заказчика. Обновления ПО заложены в части дообучения нейронной сети, добавления нового специфического функционала по требованию заказчика. Рабочая операционная система (ОС), установленная на объекте заказчика, по умолчанию не меняется. В случае смены ОС (в т.ч. перехода на отечественную ОС), приложения программы пересобираются, и программа направляется клиенту для переустановки.

Установочный пакет Tochka.CV 2.0

Инструкция по установке экземпляра ПО

Описание функциональных характеристик

Документация, содержащая информацию, необходимую для эксплуатации

Прайс-лист Tochka.CV 2.0