Ozon разработал собственный инструмент для генерации и редактирования фона на изображении товаров, который работает с помощью алгоритмов машинного обучения.
По прогнозам экспертов, число предприятий, использующих отечественные решения, возрастет до 80% к концу 2024 г.
Российские ученые создали систему машинного обучения, способную выявлять дефекты в структуре ячеек солнечных батарей. Алгоритм также способен определять наиболее вероятные ошибки в технологической цепочке производства, приводящие к дефектам. Работа программного пакета была проверена на реальном производстве, сообщила во вторник пресс-служба Института искусственного интеллекта AIRI.
"Результатом совместной работы команд стало успешное опытно-промышленное испытание системы на действующем производстве завода "Хевел" в Новочебоксарске. При обнаружении на этапе сортировки двух и более изображений, имеющих дефекты одного типа с аналогичной локализацией, модель в режиме реального времени информировала о наиболее вероятных узлах оборудования производственной линии завода, связанных с найденными дефектами", - говорится в сообщении.
Алгоритм был разработан научным коллективом под руководством Семена Буденного, руководителя группы "Дизайн новых материалов" Института искусственного интеллекта AIRI, в сотрудничестве со специалистами IT-компании "Солтех" и компании "Хевел", специализирующейся на производстве фотоэлектрических модулей.
Как отмечается в сообщении, производители солнечных батарей, а также обслуживающие их компании часто сталкиваются с дефектами при изготовлении новых фотоэлементов, которые возникают на разных звеньях технологической цепочки и заметно снижают КПД изготовляемых панелей. Дефекты можно выявить по снимкам со специальных фотокамер, способных отслеживать свечение, которое испускают ячейки солнечных батарей при воздействии электрических полей или тока.
Исследователи подготовили базу данных из примерно 68 тыс. изображений, полученных при работе реальных промышленных предприятий по производству солнечных батарей, и использовали ее для обучения разработанной ими нейросети. Ее первые тесты на открытых базах данных показали, что алгоритм способен выявлять дефекты и их возможный источник с точностью примерно 90-95%.
"В данный момент мы с коллегами проводим дополнительную масштабную разметку данных для повышения точности локализации дефектов и в случае удачного прохождения второй фазы тестовых испытаний планируем выводить ПО в опытно-промышленную эксплуатацию. Надеюсь, что наш проект ускорит переход к наукоемким методам оптимизации производственных процессов и станет наглядным примером того, как наука способна помочь решать задачи реального бизнеса", - подытожил Буденный, чьи слова приводит пресс-служба Института искусственного интеллекта AIRI.
За последние годы ученые значительно продвинулись в разработке систем искусственного интеллекта и создали нейросети, способные выполнять нетривиальные задачи, решать важные проблемы промышленного производства и даже "мыслить" креативно. В частности, сейчас существуют нейросети, способные рисовать картины, анализировать тексты, проводить научные эксперименты и ставить медицинские диагнозы.
