Машинное зрение: как технологии меняют нашу жизнь

Евгений Чугунов, генеральный директор Cross Technologies,

Технологии машинного зрения активно используются в различных секторах экономики –коммерческой, научной и даже государственной. С помощью машинного зрения решают такие проблемы, как распознавание текста и лиц, определение фейковых видео, разработка функционального ядра автопилотируемых автомобилей, распознавание отклонений на снимках КТ и МРТ. Это только часть того, где может применяться машинное зрение. Сейчас всё больше и больше задач, которые без этой технологии решить невозможно.

Так, например, в медицине обработка изображений применяется для более точной постановки диагнозов. Исследователи института в Хьюстоне разработали программу , способную прогнозировать развитие рака груди. Для этого необходимы данные с маммограмм и медицинские истории пациенток. Подобные технологии используются и в России — российская платформа Botkin.AI позволяет выявлять онкологические заболевания легких благодаря анализу медицинских изображений с помощью технологий искусственного интеллекта.

Машинное зрение используют для контроля сотрудников и оптимизации их действий, что помогает в сокращении издержек и выстраивании рабочего процесса.

Так, сеть Lounge баров Мята внедрила технологию машинного зрения для контроля за сотрудниками и оборудованием. Использование технологии решает проблему краж и порчи имущества. Программа анализирует видео с камер наблюдения, и помогает администраторам рассчитывать количество времени, которое тратит официант на обслуживание, передвижение по залу, и контролировать количество и сохранность используемых кальянов. Человек не может контролировать и анализировать видеопоток с той же скоростью и эффективностью, что и машина. Благодаря этим технологиям уменьшается количество ошибок, вызванных человеческим фактором, увеличивается безопасность, улучшается скорость обработки событий.

Машинное зрение в ритейле

Машинное зрение применяется в логистике – по видео можно автоматически проводить инвентаризацию и считать количество товара. Человек выкладывает продукт на конвейер, а машина совершает все запрограммированные манипуляции.

Оснащенные машинным зрением видеокамеры над кассами в магазине следят, как работают кассиры – во сколько кассы открываются и закрываются, все ли товары пробиваются и не присутствуют ли мошенники среди сотрудников. Здесь система оптимизировала внутренние процессы и ускорила процедуру просмотра и анализа видеозаписей, так как машинное зрение намного быстрее обрабатывает видео, чем человек.

Видеонаблюдение за торговыми залами позволяет администраторам контролировать количество товара, как расположены товары на полках, правильно ли сопоставлены ценники и штрихкоды, не потерялся ли товар. Система отправляет уведомление в логистическую и складскую службу, где мерчандайзеры получают сообщение, какой товар закончился. Таким образом, система автоматически принимает решение оптимизировать бизнес-процесс и повышает уровень сервиса ритейлера в целом.

Машинное зрение следит за работой в офисе

Как работодатель контролирует режим работы своих сотрудников? В 9:00 сотрудник прикладывает карточку, и время входа отображается в системе. И такая же схема с карточкой вечером. А сколько раз сотрудник выходил из офиса в течение рабочего дня обычно не считают. Машинное зрение в данном случае помогает следить за тем, чтобы рабочее время сотрудника составляло столько, сколько заявлено в договоре. Все данные фиксируются в системе автоматически – в какое время сотрудник пришел на работу, в какое время он пошел на обед и сколько провел времени вне своего рабочего места.

Сотрудники к такому виду слежки относятся чаще всего неодобрительно. По данным опроса компании Kelly Services подавляющее большинство респондентов (68%) воспринимает слежку (с помощью фото/видео, телефона, почты и т.д.) негативно, 26% этот аспект работы безразличен, и лишь 6% оказались не против того, чтобы за ними следили .

Машинное зрение и транспорт

Машинное зрение может использоваться в общественном транспорте. Например, в метро напротив турникета располагается камера с технологией, нейронная сеть распознает пассажира, попавшего в объектив камеры: его черты лица и мимику, связывается с его личным счетом Метрополитена, идентифицирует его по уникальному номеру и списывает проход. Это будет доступно в ближайшем будущем, биометрия все активнее внедряется в различные сферы нашей жизни.

Также, видеоаналитик может распознавать разговаривает ли водитель по телефону во время поездки за рулем своего автомобиля. Нейронная сеть может идентифицировать человека с помощью камеры наружного наблюдения, однако пока только при условии, что он будет ехать не больше 100 км в час. Еще вариант – камера может наблюдать за потоком машин и идентифицировать, пристегнут человек или нет. Система настроена на распознавание водителя автомобиля и ремня безопасности. Если ремень не на месте, система передает данные по номеру машины, и выносится административный штраф. Так, в течение 2019 года на столичных дорогах было установлено 400 комплексов фотовидеофиксации. В результате их общее количество в Москве превысило 2 тыс. Камеры устанавливаются в определенных ГИБДД местах, где отмечена высокая аварийность, связанная с нарушениями правил дорожного движения. Таким образом, камеры помогли найти виновных в 11% всех правонарушений .

Машинное зрение может работать и в общественном транспорте – сегодня мы все в автобусе прикладываем проездной к считывателю, ведь таким образом осуществляется фиксация проезда. На будущее, система может распознавать также и человека (его биометрические данные) и передавать в систему информацию – заплатил человек за проезд или нет. В рамках пандемии это было бы особо актуально, потому что человек по минимальному принципу взаимодействует со внешней средой.

Итоги и прогнозы

По разным исследованиям Gartner (например, по исследованию «Future of Sales»), можно сделать вывод, что к 2025 году многие «лоускилл» профессии – обсуживающий персонал, мерчандайзеры или те вакансии, которые можно заменить машинным зрением и робототехникой, просто уйдут, как должности. Кроме того, к 2022 году прогнозируется, что направление девелоперов, таких как веб-разработчики, может также смениться на интеллектуальные системы. Веб-сайты будут создаваться автоматизировано. Веб-девелоперы, как одно из направлений, просто может исчезнуть, как специальность.

Многие компании сейчас задумываются на тему автоматизации систем принятия решений, интеллектуальных систем управления бизнесом и анализа за поведением пользователя. На первый взгляд, данные технологии снижают финансовые затраты в долгосрочной перспективе, исключают человеческий фактор и ошибки. Но есть и обратная сторона – технологии ведут к потере рабочих мест и к повышению затрат на внедрение и обслуживание данных инноваций. Кроме того, такие проекты автоматизации требуют нового уровня подготовки специалистов на предприятиях, что бывает зачастую затруднительно, и также является ограничением в развитии машинного зрения.