В рамках проекта были исследованы данные о пачках круглого леса на 1,422 тыс. лесовозах.

Круглый лес

Segezha Group и «Инфосистемы Джет» протестировали технологии машинного обучения

Segezha Group и «Инфосистемы Джет» протестировали технологии машинного обучения

Сегежский ЦБК (г. Сегежа, Республика Карелия; Segezha Group, входит в АФК «Система») подвел итоги пилотного проекта по тестированию технологий машинного обучения для измерения плотного объема круглого леса и коэффициента полнодревесности (КПД), сообщает пресс-служба Segezha Group.

С февраля по июнь 2020 г. совместно с компанией «Инфосистемы Джет» на предприятии велась работа над пилотным проектом, в основе которого лежат технологии компьютерного зрения и машинного обучения. В рамках проекта были исследованы данные о пачках круглого леса на 1,422 тыс. лесовозах. Точность сопоставления фотографий составила более 99%, качество расчета КПД и объема древесины — более 98%, точность определения породы древесины — более 95%.

Обработка данных с каждого лесовоза занимает несколько секунд, что позволяет сократить временные и логистические издержки. Система адаптирована под широкий спектр погодных условий — снег, грязь, яркое солнце для нее не помеха. Система распознает отклонение от ГОСТа при укладке пачек и реагирует на зазоры менее 0,3—0,5 м, автоматически отсортировывает некачественные фотографии. На монитор выводится информация о породе, качестве, диаметре древесины в пачках. Формируются объективные метрики качества сырья и процесса его укладки — их можно использовать для дальнейшего анализа, выработки единого стандарта Segezha Group по применению ML при расчете КПД.

«Расхождение точности определения коэффициента полнодревесности в измерениях человека и программы составляет около 2%, — говорит руководитель цифровой трансформации Segezha Group Сергей Меркулов. — Основываясь на результатах пилотного проекта, можно с уверенностью сказать, что технологии машинного обучения и компьютерного зрения в данной прикладной среде дают внушительный результат и, очевидно, имеет смысл переходить к промышленному решению, в котором все необходимые замеры сможет проводить система без участия человека».

Разработанный сервис формирует общий стандарт применения ML в проектах и может использоваться для других площадок, видов сырья и методов доставки.