Аэропорты, вокзалы, транспортная безопасность

Умный интроскоп: интеграция ИИ в систему рентгеновского досмотра

Технология искусственного интеллекта для автоматического анализа X-ray изображений и выявления угроз в зоне рентгеновского досмотра. Работает с существующими интроскопами без модификаций оборудования.

Заказчик Astrophysics — международный производитель рентгенотелевизионных установок и интроскопов для авиационной и транспортной безопасности. Оборудование используется в аэропортах, на вокзалах и объектах контроля грузов.

Задача Повысить скорость и стабильность рентгеновского досмотра за счёт автоматического выявления потенциальных угроз на X-ray изображениях, снизив нагрузку на операторов и исключив зависимость качества контроля от человеческого фактора.

Срок 2024

О проекте

В системе рентгеновского досмотра оператору приходится принимать десятки решений в минуту, анализируя сложные X-ray изображения. Наша задача в проекте - автоматизировать досмотр багажа с помощью ИИ. Модуль X-ray автоматически выявляет потенциально опасные объекты и подсвечивает их оператору, снижая когнитивную нагрузку и риск пропуска угроз. Система работает на интроскопах Astrophysics без модификации оборудования.

Срок 2024

+30% к скорости досмотра

ИИ анализирует X-ray изображения в реальном времени и подсвечивает потенциальные угрозы, ускоряя работу операторов без снижения уровня безопасности.

Аудит досмотровых комплексов и процессов

Провели аудит интроскопов и сценариев досмотра на рабочих линиях, включая нагрузку и требования к надёжности.

Формирование X-ray датасета и разметка

Собрали собственный X-ray датасет из 30 000+ изображений багажа, дополнили его синтетическими данными для редких угроз и выполнили экспертную разметку под реальные сценарии досмотра.

Разработка моделей детекции угроз

Спроектировали и обучили модель компьютерного зрения для обнаружения запрещённых и потенциально опасных объектов на X-ray изображениях в условиях реального досмотра.

Интеграция ИИ в интроскопы

Встроили ИИ-модуль в действующие системы интроскопов без изменений аппаратной части и пользовательского интерфейса.

Пилот и внедрение в реальных условиях

Провели пилотные внедрения на действующих линиях досмотра, протестировали систему в реальных аэропортах и адаптировали модели под рабочие сценарии эксплуатации.

Интересные факты

100 000+ X-ray изображений с запрещёнными предметами собрано за 4 года

Москва, Тихуана, Дубай — география сбора данных

Для подготовки и разметки обучающего датасета нам специально доставили из-за океана отдельный интроскоп

Технологический стек

Frontend

Интерфейс пользователя: отчеты, графики, панели управления

Backend

Логика обработки и базовые компоненты системы

ML

Модели и фреймворки для обучения

Вызовы и решения

Непригодность типовых X-ray датасетов для промышленного применения

Готовые открытые датасеты не отражали реальные сценарии досмотра: ограниченный набор угроз, низкая вариативность объектов, отсутствие данных с разных типов интроскопов. Это не позволяло обучить модель, устойчивую к эксплуатации в транспортной инфраструктуре

РЕШЕНИЕ

Собственный датасет

Сформировали собственный X-ray датасет: более 100 000 изображений багажа с реальными и синтетически сгенерированными угрозами. Данные собраны на объектах в разных регионах и на оборудовании различных производителей, с экспертной разметкой под реальные регламенты досмотра.

Разнородный парк интроскопов и закрытые интерфейсы оборудования

Интроскопы разных производителей используют собственные форматы данных и ПО. Любые доработки «внутри» оборудования невозможны без потери гарантии и остановки линий досмотра

РЕШЕНИЕ

Реализовали универсальный слой интеграции

ИИ подключается к интроскопам без модификации ПО и аппаратной части. Анализ X-ray изображений выполняется параллельно основному потоку, с выводом результатов напрямую в рабочее пространство оператора.

Высокая нагрузка и субъективность операторского анализа

При интенсивном пассажиропотоке операторы сталкиваются с усталостью и монотонностью, что увеличивает риск пропуска угроз и снижает стабильность качества досмотра.

РЕШЕНИЕ

ИИ-подсветка

Внедрили ИИ-подсветку подозрительных объектов в реальном времени с confidence-оценками. Система снижает влияние человеческого фактора, сокращает количество повторных досмотров и повышает единообразие принимаемых решений.

до 80%

точность детекции по ключевым классам угроз в реальных условиях досмотра

30 000+

X-ray изображений в собственном обучающем датасете багажа

1-2 недели

срок добавления нового класса угроз с использованием синтетических данных и MLOps

Команда, которая внедрила проект

Алексей Цибульников

Python backend-разработчик

Фёдор Головин

Project Manager

Михаил Моисеев

CV-инженер

Дмитрий Соркин

DevOps-инженер

Марк Яговкин

Руководитель разметки данных

Планы на будущее:

Поддержка портальных интроскопов, повышение качества выявления металлических предметов и снижение ложных срабатываний

Готовые проекты

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.