Когда рыбный промысел встречает нейросети

Рыбный промысел всегда считался отраслью, где ключевую роль играют опыт экипажа, слаженность команды и традиционные технологии. Однако с развитием цифровизации даже самые консервативные отрасли стремятся внедрять передовые решения. Первым в России примером применения для рыбоперерабатывающей компании компьютерного зрения и машинного обучения в целях контроля производственного процесса непосредственно на борту судна поделился Антон Салин, директор по продажам ГК Softline. 

Рыбодобывающая компания обратилась с запросом на автоматизацию ключевых этапов производства на судне. На сегодняшний день на российском рынке отсутствуют коробочные решения, способные обеспечить аналогичный функционал для морского промысла. Каждый проект в этой сфере требует уникальной настройки: видеопотоки, условия эксплуатации, конфигурация оборудования на судне — все это делает невозможным использование типовых систем. 

Проблематика была типичной для отрасли: 

• высокие потери от брака и простоев оборудования, возникающие из-за ошибок укладки рыбы, повреждений филе и нарушения технологических процессов; 
• отсутствие прозрачной системы прослеживания технологической цепочки на борту; ручной контроль качества, не позволяющий оперативно реагировать на отклонения; 
• сложности с расследованием инцидентов и выявлением причин ошибок.

К тому же заказчику требовалась система, которая не только фиксировала бы нарушения, но и сразу же сигнализировала бы об инцидентах, автоматически передавала метрики качества и объема продукции, а также позволяла бы быстро анализировать архив данных.

Что сделали впервые в России

Речь идет о программной платформе, разработанной с нуля специально для условий рыбного промысла: 

• Собственные детекторы, обученные на видеопотоках с конкретного судна, с учетом специфики расположения оборудования, условий освещенности, влажности и загрязнения камер;
• Нейросетевые модели, способные в реальном времени различать правильную и неправильную укладку рыбы в лотках, подсчитывать объем и массу филе, определять дефекты продукции и контролировать качество икры; 
• Модули промышленной безопасности, которые автоматически распознают наличие касок и других СИЗ на сотрудниках, фиксируют нарушения, например, попытки подняться на конвейер с ногами.

Такой комплексный подход позволил создать кастомизированное ПО, полностью адаптированное к особенностям судна и технологических процессов заказчика.

Технологическая основа: как это работает

Решение базируется на технологии Computer Vision в связке с AI/ML. Работа началась с формирования обширного датасета: видеопотоки с камер заказчика передавались команде, специалисты размечали каждое изображение — где укладка верная, где нарушена, где продукт с дефектами. Эти данные легли в основу обучения нейросети.

Затем на базе платформы видеоаналитики разрабатывались заказные детекторы, способные учитывать мельчайшие детали — от формы рыбы до особенностей движения конвейера. При этом система учитывает сложные условия эксплуатации: туман, водяные брызги, загрязнения объективов. Для этого проводилось дообучение на специализированных наборах данных, чтобы отличать каску от буйка даже при плохой видимости.

Внедренная система обеспечивает:

• Онлайн-контроль процесса укладки и сортировки рыбы;
• Подсчет объема и массы продукции без участия человека;
  Фиксацию и сигнализацию о каждом отклонении с выводом информации на рабочее место оператора;
• Сохранение данных для последующего анализа и расследования инцидентов;
• Автоматизированную передачу метрик на сервер заказчика.

Особенность проекта заключается не только в отсутствии аналогов на рынке, но и в принципах построения системы. Это продукт, который нельзя купить в виде коробки. Каждый элемент был разработан с нуля под конкретные задачи заказчика. Более того, система не требует замены оборудования — она интегрируется с имеющимися камерами. Это пример чистого интеллектуального труда и инженерной мысли. Заказчик получил:

• Снижение финансовых потерь от брака и простоев оборудования;
• Полную прослеживаемость технологического процесса производства;
• Быструю реакцию на инциденты и возможность расследования причин ошибок;
• Автоматизированную передачу метрик качества и объема продукции;
• Улучшение промышленной безопасности на борту судна.

Система успешно работает как на судне, так и на сервере компании, где моряки могут в любой момент получить доступ к архивам, статистике и записям нарушений.

Технологии будущего, созданные сегодня

Этот проект — пример того, как российские компании могут создавать инновационные решения мирового уровня, полностью опираясь на собственные ресурсы: от проектирования и обучения моделей до внедрения и сопровождения. Сегодня это локальное решение для одного предприятия, завтра — стандарт для целой отрасли.

Накопленный опыт позволит команде ускорить развертывание решений на новых судах. Уже известно, какие камеры требуются для оптимальной работы системы, как их лучше размещать, как минимизировать влияние факторов внешней среды. В дальнейшем такие технологии могут быть адаптированы для других отраслей пищевого производства и даже для мониторинга процессов в агропромышленном комплексе.