• Обработают датасеты изображений ЛЭП разных сезонов (зима, осень, лето) с помощью Label Studio, CVAT и библиотек OpenCV, albumentations для аугментации
• Настроят пайплайн инстанс-сегментации для проводов, опор и элементов инфраструктуры
• Реализуют модули детекции изоляторов, индикаторов короткого замыкания и посторонних предметов на базе моделей YOLOv8 и EfficientNet
• Обучат модели на поиск дефектов (обрывы, сколы, коррозия, деформации) с применением Tensoflow, PyTorch, TorchVision и техник активного обучения
• Внедрят методы оценки отклонения опор от вертикали, включая монокулярную оценку глубины
• Реализуют алгоритмы оценки провисания проводов на основе ключевых точек и анализа перспективы
• Построят сегментационные модели контроля санитарной зоны на базе U-Net и DeepLabV3+, обученных с учётом сезонных различий
• Разработают прототип inference-сервиса с оптимизацией под edge-устройства с использованием ONNX, TensorRT
• Подключат систему визуализации и анализа результатов в Streamlit или Gradio для удобного тестирования и демонстрации заказчику

Польза проекта заказчику: Существенное (ориентировочно до 70-90%) снижение нагрузки на персонал при инспекциях ЛЭП, автоматизация анализа видеопотока или фотосъёмки с дронов/мобильных платформ, уменьшение числа пропущенных дефектов и сокращение времени реагирования. Старт разработки продуктовой CV-системы, масштабируемой на ЛЭП любого уровня.