Разработка промышленных ИИ-решений
на базе компьютерного зрения
ООО «УМНЫЕ ДЕВАЙСЫ» — инновационная компания в сфере информационных технологий, занимающаяся научно-исследовательской деятельностью и разработкой программно-аппаратных решений. Наша специализация включает создание программного обеспечения, систем искусственного интеллекта (AI) и компьютерного зрения, а также проведение научных исследований и опытно-конструкторских работ (НИОКР) в этих областях.
Мы разрабатываем умные устройства и алгоритмы, способные обрабатывать данные на месте (Edge AI) и применять современные методы машинного обучения для решения практических задач. Ключевые направления работы компании – разработка ПО и встроенных систем, искусственный интеллект и компьютерное зрение, встраиваемые устройства IoT, а также научные исследования в данных областях.
Наша команда состоит из специалистов в области разработки программного обеспечения, инженеров-электронщиков и исследователей данных.
Мы реализуем полный цикл создания продукта – от научных изысканий и прототипирования до внедрения готовых решений. Компания постоянно повышает экспертизу в современных технологиях, что подтверждается участием в профильных проектах и наличием собственного R&D-центра.
Мы стремимся создавать умные девайсы, которые повышают эффективность и автоматизируют процессы в различных отраслях, демонстрируя потенциал российских ИТ-разработок на мировом уровне.
Устройство детекции дефектов с ИИ на микроконтроллере. Наш флагманский продукт – интеллектуальная система для обнаружения дефектов, работающая на базе микроконтроллера с встроенным алгоритмом искусственного интеллекта. Это компактное устройство, оснащенное камерой и специализированным AI-модулем, способно в режиме реального времени анализировать изображения или сигналы датчиков непосредственно на месте установки. Благодаря технологии EdgeAI, вся обработка данных и распознавание дефектов происходят на самом устройстве, без необходимости подключения к облаку или внешнему серверу.
Особенностью продукта является применение подхода On-Device Learning (ODL) – обучения на самом устройстве. Это значит, что со временем система способна самостоятельно адаптироваться под новые данные: например, подстраиваться под появление новых видов дефектов или изменений условий съёмки. Такой подход делает устройство “самообучающимся” и более эффективным со временем, что особенно важно в условиях, где типы дефектов могут меняться.
Использует нейросетевые модели компьютерного зрения (например, свёрточные нейронные сети) для автоматического распознавания дефектов на поверхностях изделий или в структуре материала. Система выявляет мельчайшие отклонения, недоступные человеческому глазу, обеспечивая высокое качество контроля.
Устройство построено на базе современного микроконтроллера (например, платформы ESP32 или аналогичной), что обеспечивает низкое энергопотребление и автономность. Алгоритмы оптимизированы под ограниченные вычислительные ресурсы, поэтому даже tinyML-модели функционируют плавно. Это позволяет интегрировать девайс в существующие производственные линии или оборудование без существенных затрат на инфраструктуру.
Встроенная поддержка ODL позволяет модели обновляться прямо на устройстве. По мере накопления данных система может корректировать свою модель выявления дефектов, улучшая точность без полной перепрошивки. Такой механизм делает решение гибким к изменениям – например, при появлении новых типов брака, устройство само повысит свою «осведомлённость» о них.
Мы используем современный технологический стек, объединяющий программные и аппаратные решения, что позволяет разрабатывать эффективные и надежные IT-продукты. Наши решения основаны на сочетании передовых языков программирования, машинного обучения и встраиваемых систем.
Python, C/C++ и MicroPython. Python активно используется для разработки и обучения моделей машинного обучения, а C/C++ – для реализации высокопроизводительного кода на микроконтроллерах и встраиваемых устройствах. Такой выбор языков позволяет покрыть как низкоуровневое программирование микроконтроллеров, так и высокоуровневый анализ данных и прототипирование алгоритмов.
TensorFlow Lite (в том числе TensorFlow Lite for Microcontrollers) и PyTorch для разработки и оптимизации нейросетевых моделей под ограниченные ресурсы; OpenCV для задач компьютерного зрения; Keras для быстрого прототипирования нейронных сетей; платформы и инструменты tinyML для сжатия и оптимизации моделей (например, XGBoost, Edge Impulse). Использование этих фреймворков позволяет нам внедрять сложные алгоритмы ИИ даже на маломощные устройства, достигая баланса между точностью моделей и быстродействием.
Различные 32-битные микроконтроллеры, в первую очередь ESP32 (платформа ESP-IDF) и аналогичные ему MCU на архитектурах ARM Cortex-M. Мы создаем прототипы на популярных платах (Arduino, STM32 Nucleo, Raspberry Pi Pico) и разрабатываем собственные печатные платы под готовые устройства. Аппаратная часть наших решений оптимизирована для работы в полевых условиях: микроконтроллеры обеспечивают сбор и локальную обработку данных, датчики и камеры интегрируются для мониторинга окружающих параметров, беспроводные модули (Wi-Fi, BLE) используются для связи при необходимости.
Применяются различные архитектуры искусственных нейронных сетей в зависимости от решаемых задач. Для анализа изображений и видео применяется CNN (Convolutional Neural Network) – свёрточные нейронные сети, отлично зарекомендовавшие себя в задачах компьютерного зрения. Для обработки последовательностей и временных рядов используются RNN (Recurrent Neural Network) – рекуррентные сети и их вариации (например, LSTM). Отдельно стоит направление Echo State Networks (ESN) – это особый подкласс рекуррентных сетей, использующих резервуарный подход: случайно связанный внутренний слой (резервуар) и обучаемый выходной слой. Эхо-сети эффективны для предсказания временных рядов и позволяют упростить обучение RNN, обучая только выходной слой модели. Мы исследуем и применяем ESN для задач, где требуется обнаружение паттернов во временных данных, при этом ограниченные ресурсы микроконтроллера не позволяют обучать сложные модели полностью.
Философия tinyML – это внедрение алгоритмов машинного обучения на микроконтроллеры и встраиваемые системы с жесткими ограничениями по ресурсам. Мы активно используем принципы tinyML, добиваясь работы наших моделей при малом объеме памяти и низком энергопотреблении. Например, нейросети подвергаются квантованию и прунингу (урезанию весов), что позволяет запускать их на устройствах с десятками килобайт ОЗУ. Edge AI – выполнение вычислений AI на «границе» сети, то есть на самом устройстве – лежит в основе всех наших решений. Это позволяет обрабатывать данные с минимальной задержкой и повышенной безопасностью (нет необходимости передавать чувствительные данные в облако). Edge AI подход означает развёртывание алгоритмов и моделей ИИ непосредственно на локальных устройствах (сенсорах, контроллерах), обеспечивая мгновенную обработку без постоянной связи с сервером. Благодаря этому наши системы могут работать автономно, в реальном времени реагируя на входные данные, что критично для задач вроде обнаружения дефектов или мониторинга состояния оборудования.
Наш технологический стек постоянно развивается. Мы следим за новейшими тенденциями в ИИ и IoT, осваиваем новые фреймворки и аппаратные платформы по мере их появления. Такой гибкий подход к технологиям позволяет нам предлагать заказчикам современные и эффективные решения, полностью соответствующие их требованиям.
Выполняем интеграцию наших устройств и софта в существующие бизнес-процессы предприятия. В частности, подключаем системы компьютерного зрения и датчики к MES (Manufacturing Execution System) для автоматического сбора данных о качестве на производственной линии. Также настраиваем обмен данными с ERP-системами, базами данных и облачными сервисами, чтобы результаты работы наших устройств (например, обнаруженные дефекты) автоматически регистрировались и учитывались в общей системе предприятия.
Консультируем организации по вопросам применения компьютерного зрения, нейросетей и Edge AI для повышения эффективности производства и бизнеса. Проводим исследовательские проекты и технические аудиты: оцениваем возможность внедрения ИИ в ваши процессы, подбираем подходящие алгоритмы, рассчитываем необходимые ресурсы. Кроме того, обучаем персонал заказчика основам работы с нашими системами, принципам машинного обучения, чтобы обеспечить максимальную отдачу от внедренных технологий.
Разработка специализированного программного обеспечения на заказ (например, вспомогательные приложения для мониторинга работы наших устройств или для анализа собранных данных). Техническая поддержка и сопровождение внедренных решений: мы следим за работоспособностью наших девайсов в полевых условиях, при необходимости выполняем обновление прошивок «по воздуху» (OTA) и улучшения моделей. Мы также открыты для участия в совместных R&D-проектах, грантах, где требуется экспертиза в области искусственного интеллекта на устройстве и разработки интеллектуальных встраиваемых систем.
ООО «УМНЫЕ ДЕВАЙСЫ» стремится к открытости и длительному сотрудничеству. Пишите или звоните – мы всегда на связи и готовы ответить на любые вопросы касательно наших продуктов, технологий и возможностей совместной работы. Мы гарантируем профессиональный подход, четкое выполнение обязательств и техническую поддержку на каждом этапе взаимодействия.
