Определение возгораний на ранней стадии по видеосъемке с помощью нейросетей
Евгений Проворов
Как сделать систему, которая в 5 раз быстрее детектирует возгорания, чем все существующие на рынке методы
Евгений Проворов пришел на обучение в Университет Искусственного Интеллекта для того, чтобы научиться внедрять новые технологии в деятельность компании. Прошлый 25-летний опыт программирования дал хорошую базу для понимания. Но для того чтобы освоить нейросети, пришлось разобраться в Python и изучить тонкости всех процессов.
Компания занимается автоматизацией различных процессов на промышленных предприятиях. Идея была в том, чтобы создать нейросеть, способную определить возгорание на ранней стадии по видеосъемке с камер наблюдения. В дальнейшем такую «нейронку» возможно внедрить в качестве дополнения либо вместо традиционных систем пожарной сигнализации в офисах, производственных, складских помещениях и открытых промплощадках.
Пожарные датчики обычно срабатывают от 30 секунд до 2 минут после начала возгорания. За это время огонь увеличивается, и потушить его гораздо сложнее. Решение быстрого реагирования на огонь в первые 20-30 секунд поможет предотвратить пожары.
Евгений протестировал нейросеть на базе 1000 фото с огнем и дымом, 20 видео с началом пожаров, 15 видео с камер офисного наблюдения. Сходу была достигнута высокая точность в 90,8%, но нейросеть не распознавала небольшой огонь меньше 1-2% изображения (500-1000 пикселей). После этого решили обучить нейронную сеть по разнице кадров, чтобы отслеживать небольшие изменения по динамике огня.
Компания занимается автоматизацией различных процессов на промышленных предприятиях. Идея была в том, чтобы создать нейросеть, способную определить возгорание на ранней стадии по видеосъемке с камер наблюдения. В дальнейшем такую «нейронку» возможно внедрить в качестве дополнения либо вместо традиционных систем пожарной сигнализации в офисах, производственных, складских помещениях и открытых промплощадках.
Пожарные датчики обычно срабатывают от 30 секунд до 2 минут после начала возгорания. За это время огонь увеличивается, и потушить его гораздо сложнее. Решение быстрого реагирования на огонь в первые 20-30 секунд поможет предотвратить пожары.
Евгений протестировал нейросеть на базе 1000 фото с огнем и дымом, 20 видео с началом пожаров, 15 видео с камер офисного наблюдения. Сходу была достигнута высокая точность в 90,8%, но нейросеть не распознавала небольшой огонь меньше 1-2% изображения (500-1000 пикселей). После этого решили обучить нейронную сеть по разнице кадров, чтобы отслеживать небольшие изменения по динамике огня.
Евгений Проворов
Выпускник Университета искусственного интеллекта
В результате 2 месяцев работы удалось создать прототип, который классифицирует возгорание с заданными критериями: время меньше 20 секунд, скорость работы в реальном времени, точность на тестовых данных около 90%.
Дмитрий Романов
Основатель Университета искусственного интеллекта
Я постоянно консультирую компании и рассказываю о наших кейсах. После диплома Евгения уже 3 компании сказали о том, что им очень актуальна такая система. Они попросили контакты Евгения, и также решили отправить к нам своих разработчиков, чтобы сделать свою собственную систему. Среди таких заказчиков была крупная казахская компания из нефтегазовой отрасли.
Проект Евгения показал, что с помощью нейросети можно определить пожар в несколько раз быстрее стандартных методов отслеживания. Это пример того, как нейросеть может дать прорывные результаты в таких сферах, которые, казалось бы, невозможно улучшить. Предотвращение появления пожаров — это значимый социальный проект. Это не только сэкономленные на ремонт деньги, но и спасенные человеческие жизни.
Проект Евгения показал, что с помощью нейросети можно определить пожар в несколько раз быстрее стандартных методов отслеживания. Это пример того, как нейросеть может дать прорывные результаты в таких сферах, которые, казалось бы, невозможно улучшить. Предотвращение появления пожаров — это значимый социальный проект. Это не только сэкономленные на ремонт деньги, но и спасенные человеческие жизни.
Максим Стекольщиков
Роман Ивашкин
Дмитрий Полещенко