Умный интроскоп: интеграция ИИ в систему рентгеновского досмотра ASTROPHYSICS
Технология искусственного интеллекта для автоматического анализа X-ray изображений и выявления угроз в зоне рентгеновского досмотра. Работает с существующими интроскопами без модификаций оборудования.
О проекте
01. Про заказчика
Компания Astrophysics — один из мировых лидеров в производстве рентгенотелевизионных установок и интроскопов для досмотра багажа и грузов. Решения Astrophysics применяются в аэропортах, на вокзалах и объектах транспортной безопасности, обеспечивая высокую точность и надёжность рентгеновского контроля.
02. Задача проекта
Автоматизация рентгеновского досмотра багажа с помощью ИИ
Необходимо было повысить эффективность предполётного и таможенного контроля, ускорить X-ray досмотр багажа и снизить нагрузку на операторов интроскопов.
Решение повышает уровень безопасности объектов и позволяет:
ускорить прохождение досмотра на 20–30%;
сократить ошибки операторов при анализе снимков;
поддерживать работу с любыми рентгенотелевизионными установками без их модификации.
03. Как мы решали задачу
01
Анализ оборудования и процессов досмотра — провели аудит действующих рентгенотелевизионных установок и интроскопов, выявили особенности рабочих процессов и требования к системе автоматического анализа X-ray изображений.
02
Подготовка датасета для обучения ИИ — собрали и разметили изображения багажа с запрещёнными предметами по техническому заданию заказчика. Использовали данные с разных типов интроскопов для повышения универсальности модели.
03
Разработка алгоритма детекции угроз — создали систему автоматического распознавания объектов на X-ray изображениях с применением технологий компьютерного зрения и машинного обучения.
04
Интеграция с инфраструктурой заказчика — реализовали подключение решения к существующим интроскопам без изменений в программной и аппаратной части. Обеспечили совместимость с оборудованием Astrophysics и аналогами.
05
Тестирование и оптимизация системы — провели серию испытаний на реальных объектах досмотра, скорректировали модель по результатам анализа ошибок и оптимизировали интерфейс для операторов.
06
Обучение и запуск — провели обучение персонала работе с новой системой рентгеновского досмотра и выполнили поэтапное внедрение на всех линиях X-ray контроля.
Интересный факт
За четыре года мы собрали более 100 000 X-ray изображений с запрещёнными предметами.
Данные формировались на объектах в Москве, Тихуане и Дубае.
Однажды для разметки нам даже доставили интроскоп из-за океана — специально для подготовки обучающего датасета.
04. Как работает система выявления угроз в багаже
1Сканирование багажа и грузов — процесс начинается с рентгеновского досмотра: интроскоп формирует X-ray изображения содержимого сумок и контейнеров.
2Предобработка изображений — алгоритмы выделяют ключевые элементы: формы, контуры, плотность материалов для дальнейшего анализа.
3Анализ с помощью нейросети — модель ИИ получает обработанные снимки, определяет тип объектов и классифицирует их по вероятности угрозы.
4Принятие решения системой — система выявления угроз определяет, являются ли найденные объекты потенциально опасными, и фиксирует результат.
5Подсветка угроз оператору — при обнаружении подозрительных предметов система автоматически выделяет их на X-ray изображении, помогая оператору принять решение за секунды.
05. Как мы обеспечили точность и совместимость системы
Недостаток качественных данных для обучения ИИ
Готовые открытые датасеты X-ray не подходили под задачи рентгеновского досмотра: изображения имели низкое качество и ограниченные классы угроз.
Фотографии
Решение
Мы собрали собственную базу более чем из 100 000 X-ray снимков багажа с запрещёнными предметами. Это позволило обучить специализированную модель ИИ, работающую на рентгеновских установках разных типов.
Фотографии
Совместимость с интроскопами и привычной рабочей средой операторов
Важно было сохранить стабильность процессов и не мешать работе персонала при внедрении новой системы.
Решение
Мы разработали систему, которая быстро подключается к любому интроскопу — независимо от модели и производителя. Анализ X-ray изображений выполняется без задержек и потери качества, а результаты выводятся напрямую на рабочую станцию оператора. Интерфейс интроскопа остаётся прежним, поэтому персонал продолжает работать в привычной среде, не отвлекаясь на дополнительные мониторы и не теряя производительность и концентрацию.
06. Ценность проекта
на 20 %
Быстрее досмотр багажа за счёт автоматического анализа X-ray изображений и подсветки потенциальных угроз в реальном времени.
30 000+
Собственных X-ray изображений в базе данных для обучения нейросетей, включая редкие классы запрещённых предметов.
100 %
Совместимость с интроскопами любых производителей (Smiths Detection, Rapiscan, Astrophysics и др.) без модификации оборудования и потери гарантии.
0 задержек
В анализе изображений: результаты выводятся на штатную станцию оператора без переключения между интерфейсами.
07. Команда, которая внедрила проект
Техлид
Алексей Ягужинский
Backend-Lead
Алексей Цибульников
Менеджер проекта
Фёдор Головин
Computer Vision инженер
Роман Мазников
DevOps
Дмитрий Соркин
Куратор команды разметки
Марк Яговкин
08. Планы на развитие системы X-Vision:
Наши кейсы в других сферах
Наша команда с 2017 года успешно реализовала 60 проектов с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.
Разработка нейросети
Нейросеть для мониторинга здоровья коров на ферме
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
Разработка крупной системы
Автоматизация досмотра багажа и анализа X-ray снимков с помощью ИИ
Разработка крупной системы
Платформа для регистрации рекламы блогеров и единого реестра интернет-рекламы
Разработка крупной системы
Система распознавания спецтранспорта и автомобильных номеров для парковок и ТЦ
Разработка крупной системы
Нейросеть, которая контролирует бодрость сотрудников аэропорта, чтобы вы улетели в отпуск вовремя
Сбор данных для обучения ИИ
Учим нейросеть распознавать драки, чтобы в вашем городе стало безопаснее
Сбор данных для обучения ИИ
Нейросеть для распознавания огнестрельного оружия для систем безопасности
Разработка крупной системы
Нейросеть для определения возраста в системах безопасности и анализа аудитории
Разработка нейросети
Распознавание рукописного текста на экзаменационных бланках с помощью нейросети
Разработка крупной системы
Нейросеть, которая распознаёт пустые полки в магазинах и помогает вовремя пополнять запасы
Разработка крупной системы
Платформа на базе ИИ для определения целевой аудитории и аналитики блогеров
Разработка крупной системы
Распознавание погрузчиков и работников на складе для снижения рисков и травматизма
Разработка крупной системы
Внедрение машинного зрения для идентификации паллет и расчета габаритов
Разработка нейросети
Повышаем качество снимков с дронов, чтобы повысить точность анализа и распознавания полученных изображений
Разработка крупной системы
Оптимизация расстановки стеллажей с помощью ИИ и машинного зрения
Внутренняя разработка
NeuroVision — платформа видеоаналитики с готовыми модулями.
Разработка крупной системы
Внедрение видеоаналитики для контроля комплектации товаров на складе
Разработка крупной системы
OCR и распознавание 2D-чертежей для расчёта деталей
Разработка крупной системы
AI-видеоаналитика и распознавание QR для контроля сборки и упаковки заказов на складе
Разрабатываем и внедряем решения на основе ИИ с окупаемостью 6-9 мес
Внедрим готовую технологию из кейса под вашу инфраструктуру или разработаем систему под конкретные задачи.
Бесплатно оценим интеграцию и сроки внедрения. Выберите, как удобнее с вами связаться: