EN | HU

Video AI és machine learning
megoldások minden célra.

Növénytermesztés

A mesterséges intelligencia és a machine learning technológia segítségével felismerjük, megszámlálhatjuk növényeket és osztályozhatjuk a terméseket méret, súly és színek szerint. Esettanulmányunkban kifejlesztettünk egy, a gépi látáson alapuló szikleveles paradicsompalánta-számláló alkalmazást a Syngenta Magyaroroszág Kft. részére.

Állattartás

Számítógépes látás segítségével megfigyelhető a szarvasmarha mozgása, és korán kimutatható a sántaság. A szarvasmarha felismerése, test, fej és paták pozíciójának meghatározását jelenti. A szarvasmarha fejének pozíciójából vagy függőleges kimozdulásából, kilengéséből következtethetünk a sántaságra. A sántaság korai észlelésére is alkalmas a modell. Egy egészséges állat az első láb által hagyott nyomba lép a hátsó lábaival, egy sánta szarvasmarha, ettől eltérően, nem tud a nyomban járni. A szarvasmarha végtagjainak mozgását gépi látással elemezzük, patáinak pozícióját rögzítjük, majd gépi tanulás segítségével megvizsgáljuk és csoportosítjuk (classification).

Biztonságtechnika

Járművek és emberek számlálására is jó módszert nyújt a gépi tanulás. Mi a YOLOv3 modellt használtuk KITTI adatkészlettel tanítva. Ez a modell kellő pontossággal osztályozza és határozza meg a járművek (autó, teherautó, busz, bicikli) és emberek pontos helyét. Az iroda előtti főúton elhaladó járművek számát tároltuk, járműtípusokra és haladási irányra csoportosítva. Forgalomszámálásról a demó az alábbi linken elérhető: ml.prompt.hu A számítógépes látás további problémákra is megoldást jelent, ilyenek a parkolóhelyek keresése és nyilvántartása, áthaladó forgalom szűrése, szabálytalanul parkolók vagy közlekedők észlelése. Az alábbi videón embereket és járműveket figyelünk meg, amelyek érkezéséről és távozásáról hangjelzést kapunk

Egészségügy

A mesterséges intelligencia nagy segítséget nyújthat az orvosoknak is a képi diagnosztikában. A rendszer alkalmas például a különféle bőrelváltozások nagy pontosságú csoportosítására, és hozzájárul a félrediagnosztizálás kiszűréséhez.