ТУСУР – признанный лидер в сфере подготовки квалифицированных кадров для высокотехнологичных отраслей экономики, аэрокосмического и оборонного комплексов страны, внедряющий инновационные образовательные и исследовательские программы, прикладные разработки новой техники, аппаратуры и систем управления. Университет уверенно держит первенство в реализации программ инновационного развития. Выпускники ТУСУРа составляют кадровую основу многих предприятий как в России, так и за рубежом.
Разрабатываемая система должна обеспечивать: * автоматическое обнаружение работников в зоне наблюдения; * распознавание основных средств индивидуальной защиты; * определение факта нахождения работника в контролируемой зоне; * автоматическое выявление потенциально опасных ситуаций; * работу с видеопотоком в режиме, близком к реальному времени; * устойчивость к изменению освещения, положения человека и расстояния до камеры; * минимизацию ложных срабатываний; * регистрацию выявленных нарушений; * возможность интеграции с существующими системами мониторинга предприятия. Ключевым показателем качества является стабильность обнаружения объектов и нарушений безопасности в реальных производственных условиях.
Современное производство требует постоянного контроля соблюдения требований безопасности, однако значительная часть такого контроля по-прежнему зависит от человеческого фактора. Постоянное присутствие сотрудников службы безопасности, ручной просмотр видеозаписей и выборочный контроль не позволяют эффективно анализировать большой объём визуальной информации. Использование компьютерного зрения позволяет перейти от пассивной видеозаписи к автоматическому анализу производственной обстановки. Особую актуальность представляет создание отечественных решений, способных работать непосредственно на производственном объекте и адаптироваться под конкретные условия предприятия: освещение, расположение оборудования, зоны доступа, типы средств индивидуальной защиты и особенности технологического процесса.
Оптоэлектронная система автоматизированного визуального контроля промышленной безопасности. Предметом исследования являются: * методы оптического наблюдения производственной зоны; * параметры камер и объективов; * методы управляемого освещения; * алгоритмы обнаружения людей и средств индивидуальной защиты; * методы определения положения человека относительно опасных зон; * методы повышения устойчивости компьютерного зрения к изменению условий съёмки; * методы объединения оптических данных и алгоритмов искусственного интеллекта.
водственных процессов и технологий повышения безопасности труда. ⸻ 10. Обоснование актуальности Современное производство требует постоянного контроля соблюдения требований безопасности, однако значительная часть такого контроля по-прежнему зависит от человеческого фактора. Постоянное присутствие сотрудников службы безопасности, ручной просмотр видеозаписей и выборочный контроль не позволяют эффективно анализировать большой объём визуальной информации. Использование компьютерного зрения позволяет перейти от пассивной видеозаписи к автоматическому анализу производственной обстановки. Особую актуальность представляет создание отечественных решений, способных работать непосредственно на производственном объекте и адаптироваться под конкретные условия предприятия: освещение, расположение оборудования, зоны доступа, типы средств индивидуальной защиты и особенности технологического процесса. ⸻ 11. Предмет разработки Оптоэлектронная система автоматизированного визуального контроля промышленной безопасности. Предметом исследования являются: * методы оптического наблюдения производственной зоны; * параметры камер и объективов; * методы управляемого освещения; * алгоритмы обнаружения людей и средств индивидуальной защиты; * методы определения положения человека относительно опасных зон; * методы повышения устойчивости компьютерного зрения к изменению условий съёмки; * методы объединения оптических данных и алгоритмов искусственного интеллекта. ⸻ 12. Способ и методы реализации Реализация проекта предусматривает последовательное объединение аппаратной и программной частей. Аппаратная часть: * промышленная камера; * объектив; * система направленного или равномерного освещения; * вычислительный модуль; * при необходимости — дополнительный инфракрасный оптический канал.
«Интеллектуальный оптоэлектронный комплекс автоматизированного контроля промышленной безопасности» В составе решения предусматриваются: 1. Модуль оптического наблюдения производственной зоны. 2. Модуль интеллектуального обнаружения работников. 3. Модуль контроля средств индивидуальной защиты. 4. Модуль определения опасных и запрещённых зон. 5. Модуль автоматического выявления нарушений. 6. Модуль регистрации и визуализации событий. 7. Модуль адаптации системы к условиям освещения и съёмки.
Проект опирается на существующие технологии промышленного технического зрения, компьютерного зрения, нейросетевого обнаружения объектов и оптоэлектронных систем. В качестве технологического задела могут использоваться: * готовые архитектуры нейронных сетей обнаружения объектов; * библиотеки OpenCV и PyTorch; * существующие методы подготовки и разметки наборов данных; * промышленные камеры и объективы; * технологии управляемого LED-освещения; * методы анализа видеопотока; * алгоритмы геометрического определения положения объектов. При этом основной исследовательский интерес проекта заключается не просто в использовании готовой нейросети, а в исследовании совместной работы оптической системы и алгоритмов ИИ в условиях реального производства.
Основным преимуществом является сочетание оптоэлектронной аппаратной части и интеллектуальной обработки данных в единой системе. В отличие от обычной камеры видеонаблюдения, система не просто записывает происходящее, а самостоятельно анализирует производственную ситуацию и определяет потенциально опасные события.
Должность: Инженер
Опыт и квалификация: Опыт работы 1.5 года Разработчик
* алгоритмы компьютерного зрения; * обработку координат объектов; * работу с видеопотоком; * основы машинного обучения; * проектирование алгоритмов для промышленных систем.
* основы системной интеграции; * работу с промышленными камерами; * методы тестирования технических систем; * сбор и анализ экспериментальных данных; * документирование результатов разработки.
* подготовку данных для ML; * разметку изображений; * обучение нейросетей; * оценку качества моделей; * базовые метрики компьютерного зрения; * Python и инструменты машинного обучения.
* Python; * OpenCV; * основы компьютерного зрения; * YOLO и аналогичные модели; * подготовку данных для обучения ИИ; * работу с реальными видеоданными.