02. Задача проекта

Продвинутый AI-алгоритм способный различать до 9 категорий транспортных средств и различные типы номерных знаков.
Park Cloud — является ведущим поставщиком инновационных решений для управления парковочными площадками. С начала своего пути компания успешно внедряет передовые технологии для облегчения процесса парковки. Активно развивает сервисы по управлению и монетизации парковки.
Алгоритм распознавания получил первое место на всероссийском соревновании Digital Kazan в 2020 году. А мы получили приз за лучшее технологическое решение и заявили о себе на всю страну.
Система распознавания номеров и типов транспортных средств изначально разрабатывалась с использованием оборудования Raspberry Pi 4. Однако в ходе тестирования выяснилось, что производительность устройства не позволяет достигать необходимых 2 кадров в секунду, что делает систему непригодной для практического применения в реальных условиях, где требуются быстрые и точные результаты. В условиях высоких нагрузок и необходимости обработки большого потока данных система демонстрировала лишь 0.26 кадров в секунду и время обработки одного изображения до 4 секунд. Это значительно превышает допустимые параметры, которые необходимы для эффективного мониторинга, и создает риски для качества обслуживания клиентов.
Для улучшения производительности было принято решение о переходе на использование Nvidia Jetson Nano, который обладает гораздо большей вычислительной мощностью и поддержкой технологии Nvidia CUDA. Это решение позволило нам переписать модель и оптимизировать алгоритмы распознавания для работы с более мощным оборудованием. Кроме того, была проведена работа по анализу архитектуры системы и оптимизации кода, что дало возможность значительно повысить скорость обработки изображений и удовлетворить требования клиентов.
В процессе внедрения нового решения для Park Cloud возникла необходимость интеграции системы распознавания с уже существующими программными и аппаратными решениями, которые использовались ранее. Сложность заключалась в том, что старые системы имели разные протоколы и интерфейсы, что затрудняло обмен данными между ними и новой разработкой. Это, в свою очередь, повышало риск сбоев в работе системы и требовало дополнительного времени на обучение персонала.
Для решения данной проблемы была разработана специальная API, которая обеспечивала совместимость между новыми и старыми системами. Мы внедрили модуль, который автоматически обрабатывал входные и выходные данные в нужном формате, чтобы обмен информацией стал бесшовным. Дополнительно, мы провели обучение сотрудников на всех уровнях, чтобы гарантировать, что они могли быстро и эффективно работать с новой системой. Таким образом, успешная интеграция позволила избежать временных задержек и обеспечить стабильность работы сервиса.
Наша команда с 2017 года успешно реализовала 54 проекта 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.