fbpx

Компьютерное зрение

Создаем готовые решения

Команда IBA Group помогает автоматизировать процессы, ускорять и упрощать решение бизнес-задач при помощи технологий компьютерного зрения.

Экспертиза в компьютерном зрении

Сценарии

  1. Распознавание, классификация и идентификация объектов.
  2. Отслеживание состояний и изменений. 
  3. Перемещение субъектов и объектов на видео.

Ключевые технологии

Инструменты

ZeroMQ, Python, Tensorflow, OpenCV, Pillow,  MongoDB, Flask, Numpy, Pandas, Xlrd, PostgreSQL, openpyxl, sqlalchemy, pyexcelerate, pyopenssl, contextlib2, scikit-image, scikit-learn, albumentations, docker, git, AngularJS, REST API.

Сопутствующие технологии

Анализ выкладки товаров на полках

Ситуация

Производители, дистрибьюторы и ритейлеры продают одинаковые группы товаров на одних и тех же полках. Участникам рынка необходима оперативная и достоверная информация о действиях конкурентов и собственном положении на их фоне. Оценка выполняется вручную силами мерчендайзеров, торговых представителей, супервайзеров и маркетологов.

Задача

Товарная выкладка (реалограмма) — фактическая схема размещения товара на торговых полках и прилавках магазина.

Владельцы магазинов и поставщики товаров договариваются, как и где будет размещаться товар в торговом зале. Товар выкладывают сотрудники магазина или мерчендайзеры. Бизнесу требуется отслеживать качество работы мерчендайзеров и анализировать информацию о выкладках.

SaaS-решение для оценки реалограмм по фотографиям

  1. Мерчендайзеры, супервайзеры и другие загружают фотографии расположения SKU на полках.
  2. Фотографии вместо локального сервера компании загружаются в дата-центр IBA Group.
  3. Модуль с искусственным интеллектом Plano Checker анализирует фото, ищет SKU, классифицирует по заданному сценарию.
  4. Модуль Plano Checker сохраняет отчеты на сервере.
  5. Пользователи получают доступ к отчетам и аналитике через веб-браузер сразу же после загрузки фото.
Компьютерное зрение способно определять виды товаров на полках

Анализ изображений с дронов

Ситуация

Сельскохозяйственная компания хочет детально и оперативно анализировать всходы риса, чтобы получить данные о количестве проросших растений. В текущей ситуации требуется направлять людей в поле на машинах, чтобы они могли сначала собрать информацию, затем привести к единому виду и предоставить заинтересованным участникам процесса. Информация собирается вручную, содержит неполные и неточные данные.

Результат

Система быстро выявляет участки полей с малым числом всходов. Оперативная информация помогает вовремя посеять участки и в результате повысить урожайность при тех же площадях.

Решение

Сельскохозяйственная компания начала использовать дроны для отслеживания состояния полей. Но просматривать видеозаписи и считать всходы вручную занимает много времени. Инженеры IBA Group создали систему анализа изображений рисовых полей, чтобы автоматически рассчитывать количество проросших растений. Система проверяет расчеты и отображает результаты в мобильном приложении с визуализацией на карте.

Технологии

Python (OpenCV, skimage, sklearn, numpy, scipy, Flask), MySQL, Angular.js

Распознавание лиц покупателей в магазинах

Ситуация

М.Видео — российская торговая сеть по продаже бытовой техники и электроники. В торговых залах сети сотни покупателей, а консультанты редко узнают среди них постоянных клиентов. Это снижает уровень персонализации сервиса, к которому привыкли покупатели в онлайн-магазинах.

Решение

Система идентифицирует вошедшего клиента при помощи искусственного интеллекта по изображению с камеры и отправляет push-уведомления на устройства консультантов. При необходимости покупатель получает SMS с персональным предложением. Система работает из облака и может быть быстро запущена в эксплуатацию в любом магазине.

Задача

Создать готовое решение для крупной сети по продаже техники на основе технологии распознавания лиц покупателей и разработать мобильное приложение для консультантов.

Результат

Команда IBA Group разработала мобильное приложение для сотрудников М.Видео. Маркетологи могут получать аналитические отчеты, чтобы, например, считать точно количество посетителей в магазинах. Система помогает обогащать профили клиентов: собирать статистику поведения и историю взаимодействия с магазинами.

Пилотный проект для М.Видео компания IBA Group представила на конкурсе SAP Coder

Технологии: Python (OpenFace, Keras/TensorFlow, OpenCV, Dlib, Scikit-learning), SAP Cloud, SAP HANA, SAP Smart Business Services, SAP Cloud Analytics, SAP UI5 Fiori, Cloud Foundry.

Распознавание эмоций клиентов ресторана

Ситуация

Новый ресторан начала работать на месте прежнего. Собственники хотят сохранить и даже увеличить число клиентов. Для этого они используют разные методы оценки удовлетворенности клиентов: опросы и частные разговоры с некоторыми из них. Такой метод не показывает полной картины и не дает информации о динамике изменений в настроениях.

Решение

IBA Group установила около выхода две видеокамеры, в которые попадают лица клиентов. Нейронные сети распознают лица и эмоций, а программный комплекс выдает готовую аналитику для пользователей.

Задача

Собственники хотят видеть полную картину и анализировать динамику изменений в настроениях клиентов. При этом они хотели бы не тратить больше времени на анализ.

Технологии

Python (Keras, Tensorflow, Dlib, ArcFace, Scikit-Learn, OpenCV, Flask, CUDA), MongoDB, MySQL, Angular, Node.js, Bootstrap, Docker, Kubernetes.

СВЯЗАТЬСЯ С НАМИ

Yes
Yes Политикой организации в области защиты персональных данных Политикой использования Cookies
IBA IT Park | Иностранное предприятие «АйБиЭй АйТи Парк»
IBA — Information Business Architectures | ООО «Информационные производственные архитектуры»
IBA Gomel | Иностранное унитарное предприятие «ИВА-Гомель»