Ngayon tayo makipag-usap tungkol sa mga koponan na dumaan . Dalawa sila sa habrapost na ito. Ang una ay ang startup na Labra, na gumagawa ng solusyon para sa pagsubaybay sa produktibidad ng paggawa. Pangalawa - na may sistema ng pagkilala sa mukha para sa mga turnstile.
View: /unsplash.com
Paano tataas ng Labra ang pagiging produktibo
Bumagal ang paglago ng produktibidad sa mga pamilihan sa Kanluran. Sa pamamagitan ng McKinsey, sa simula ng 2,4s ang figure na ito ay 2010%. Ngunit sa pagitan ng 2014 at 0,5 ay bumagsak ito sa 2%. Pansinin ng mga analyst na ang sitwasyon ay hindi nagbago mula noon. Ngunit may isang opinyon na ang mga artificial intelligence system ay makakatulong sa paglutas ng problema. Sa tulong ng mga AI system, inaasahang babalik sa XNUMX% ang productivity growth sa loob ng sampung taon. Makakatulong ang mga matalinong algorithm na i-automate ang mga nakagawiang gawain at i-optimize ang mga proseso ng trabaho.
Ang pananaliksik sa mga lugar na ito ay isinasagawa na ng mga espesyalista mula sa , mga inhinyero at maging ang mga kinatawan . Malaki ang papel na ginagampanan ng machine vision sa pagtaas ng produktibidad. Ang teknolohiya ay ginagamit upang independiyenteng masuri ang lugar ng trabaho at pagganap ng empleyado. Ang ganitong mga solusyon ay ipinapatupad na ng mga kumpanyang Kanluranin - halimbawa, ΠΈ .
Ang mga kumpanyang Ruso ay gumagawa din ng mga solusyon para sa pagtatasa ng produktibidad ng paggawa. Halimbawa, ang startup na Labra, na dumaan sa aming . Gumagawa ang mga engineer ng video surveillance system na may neural network na kumikilala sa mga aksyon ng mga empleyado ng enterprise at ginagawang malinaw kung paano nila ginugugol ang kanilang oras sa pagtatrabaho.
Paano gumagana ang sistema. Ang Labra ay maaaring gumana sa anumang negosyo na may makina o machine-manual na paggawa na ang mga tauhan ay lumampas sa 15 tao. Sa tulong ng mga camera, nabuo niya ang tinatawag na - ibig sabihin, itinatala nito ang lahat ng nangyayari sa panahon ng shift. Sa pangkalahatan, ganito ang hitsura ng algorithm:
- Kinukuha ng system ang imahe at minarkahan ang mga pagpapatakbo ng trabaho;
- Sinusuri ng machine learning algorithm ang video;
- Ang algorithm pagkatapos ay bumubuo ng isang larawan ng araw ng trabaho;
- Susunod, ang analytics ay awtomatikong kinakalkula;
- Bumubuo ang Labra ng pangwakas na ulat na may mga rekomendasyon na magpapataas ng seguridad sa enterprise at mag-optimize ng mga mapagkukunan nito.
Sino ang nasa team? Ang startup ay may kawani na walong tao: ang manager at founder, dalawang developer, tatlong labor standards specialist. Mayroon ding isang customer service manager at isang accountant. Ang ilan sa kanila ay pinagsama ang gawaing proyekto sa mga pag-aaral sa unibersidad. Samakatuwid, independyenteng sinusubaybayan ng lahat ang pagkumpleto ng mga gawain at mga deadline. Gayunpaman, ang koponan ay nagsasagawa ng mga pagpupulong dalawang beses sa isang linggo upang talakayin ang pag-unlad at mga plano para sa pag-unlad.
Mga prospect. Sa simula ng Setyembre, ipinakita ng startup ang proyekto nito . Doon, ipinakita ng mga inhinyero ang mga kakayahan ng produkto. Plano ni Labra na higit pang isulong ang solusyon at nagtatrabaho sa pag-asam ng pakikipagtulungan sa mga negosyo sa bansa.
Tutulungan ka ng O.VISION na alisin ang mga susi at pass
Noong 2017, MIT Technology Review pagkilala sa mukha sa nangungunang 10 mga teknolohiyang pambihirang tagumpay. Ang desisyong ito ay bahagyang dahil sa malawak na kakayahang magamit ng mga naturang sistema. Sa partikular, maaari nilang palitan ang karaniwang mga susi at pass kapag pumapasok sa isang gusali - halimbawa, ang isang bilang ng mga bangko ng Russia ay nagpatupad na ng mga katulad na pag-unlad. Ang mga bagong manlalaro ay lumilitaw din sa merkado, halimbawa, ang isang startup ay bumubuo ng isang katulad na solusyon . Gumagawa ang team ng contactless access system para sa mga turnstile na maaaring i-install sa loob ng 30 minuto.
Paano gumagana ang sistema. Ang pag-unlad ay isang software at hardware complex na naka-install sa checkpoint. Ito ay batay sa limang neural network na nagpoproseso ng mga indibidwal na frame mula sa camera ng biometric system. Ang mga may-akda ay nagsasabi na ang pagproseso ng isang larawan ay tumatagal ng mas mababa sa 200 milliseconds (mga limang frame bawat segundo). Isinulat ng team ang lahat ng algorithm ng pagkilala at mga interface nang independyenteβhindi gumagamit ng mga pinagmamay-ariang solusyon ang mga developer. Sanayin ang mga neural network gamit ang .
Lokal na nagaganap ang pagproseso ng data. Pinapataas ng diskarteng ito ang seguridad ng personal na biometric data. Kasama sa hardware ang Jetson TX1 board mula sa Nvidia, na idinisenyo para sa mga standalone na device. Naglalaman din ang biometric system ng integrated circuit ng sarili nitong disenyo para sa pagkontrol ng turnstile at pagsasama sa .
View: /unsplash.com
Mga empleyado ng startup. Sinabi ng pinuno ng kumpanya na ang pagpili ay isinagawa ayon sa prinsipyo: 60 kandidato para sa isang lugar. Ang format na ito ay nagbigay-daan sa amin na mag-recruit ng mga pinaka mahuhusay na tao. Sa kasalukuyan, maraming programmer ang nagtatrabaho sa proyekto, na responsable para sa mga algorithm ng machine learning at code para sa mga naka-embed na system. Mayroon ding backend developer, isang information security specialist at isang designer. Ang ilan sa mga empleyado ay mga mag-aaral na pinagsasama ang trabaho sa isang master's degree.
Mga prospect. Mga solusyon ngayon naka-install sa pinakamalaking pabrika ng kape sa Europa. Inihahanda din ang produkto para sa paglulunsad sa isa sa mga fitness center ng St. Petersburg at sa Polytechnic University. Marahil sa hinaharap ay mai-install ang O.VISION sa ITMO University. Sinabi ng pinuno ng kumpanya na nakikipag-usap na sila sa mga korporasyong Ruso: Gazprom Neft, Beeline, Rostelecom at Russian Railways. Sa hinaharap, papasok tayo sa mga dayuhang pamilihan.
Tungkol sa iba pang mga proyekto ng accelerator:
Mga materyales tungkol sa gawain ng ITMO University:
Pinagmulan: www.habr.com