Экспертные заключения: 0
Консультации: 0

ДронОКО: компьютерное зрение для БАС

Рынок НТИ: основной — AeroNet (решения на основе беспилотных авиационных систем); прикладные сценарии затрагивают SafeNet (поисково-спасательные и безопасность).
Сквозные технологии: ИИ/компьютерное зрение, Big Data, робототехника и сенсорика (БАС + ОЭМ-камеры), беспроводные связи (LTE/5G/mesh), Edge/Cloud-вычисления, MLOps, GIS (картографирование и геопривязка).
Модель: YOLOv8l (Ultralytics) как базовый детектор объектов/людей.

1. Основные функции платформы

Детекция людей на снимках и видеопотоках с БАС

  • Пакетная обработка аэрофото и потоковая инференс-обработка с бортовой или наземной станции.
  • Геопривязка детекций (координаты/временные метки/высота/курс) и отображение на карте.

Управление данными и ИОП (индивидуальные операционные профили миссий)

  • Импорт датасетов (RAW/JPEG/GeoTIFF/видео), автоматическое обогащение телеметрией.
  • Разметка и доразметка в веб-интерфейсе; активное обучение (prioritize-label).
  • Профили миссий: высота полёта, перекрытие кадров, частота съёмки, режим «поиск людей».

Командная работа и взаимодействие

  • Роли: оператор БАС, аналитик CV, руководитель миссии, эксперт ПСР/безопасности.
  • Чаты по миссиям, трекер задач, журнал событий, единое хранилище артефактов.

Отслеживание стадий готовности технологии (УГТ)

  • УГТ1–УГТ3: формулировка концепции, макет, лабораторный прототип (офлайн-инференс).
  • УГТ4–УГТ6: полевые испытания, пилоты на реальных маршрутах, интеграция с БАС.
  • УГТ7–УГТ9: эксплуатация, внедрение, серийное тиражирование (он-прем/облако).
    (Шкала УГТ/TRL регламентируется ГОСТ Р 58048-2017.)

2. Технологические особенности

CV-ядро и качество

  • Базовая модель YOLOv8l с дообучением на аэрофото: оптимизация F1/mAP, TTA/мульти-шкала, калибровка порогов conf/IoU под сценарии «поиск людей».
  • Аугментации под аэровид: повороты/наклон, масштаб, HSV, Mosaic/MixUp; подавление FP (тени, манекены, статуи) и фильтрация по высоте/масштабу.

Edge/Cloud-инференс и производительность

  • Профили сборки (TensorRT/ONNX) для NVIDIA Jetson/десктоп-GPU; тайлинг сверх-высоких разрешений; батчинг и NMS-ускорение.
  • Горизонтальное масштабирование в облаке; очереди заданий; приоритеты для ПСР.

MLOps и управление жизненным циклом

  • Пайплайны обучения/валидации/доставки моделей, мониторинг дрейфа/качества, автоперетренировка на новых данных (с согласия заказчика).
  • Версионирование датасетов и моделей, воспроизводимость экспериментов.

GIS и аналитика

  • Дашборды: тепловые карты вероятностей, треки полётов, отчёты по зонам интереса.
  • Экспорт в GeoJSON/CSV/PDF, интеграция с внешними ситуационными центрами.
  • Опционально: приватность — блюринг лиц/тел, маскирование частных территорий.

3. Взаимодействие с внешними стейкхолдерами

Для индустриальных партнёров/операторов БАС:

  • Передача задач в «Банк миссий» (поиск людей/периметровая безопасность/учёт людей на площадках).
  • Доступ к онлайн-мониторингу маршрутов и результатов детекций (API/дашборды).
  • Интеграция с платформами управления флотом БАС (напр., DJI FlightHub 2: облачная/он-прем версия, API для интеграции).

Для поисково-спасательных служб и безопасности (SafeNet):

  • Оперативные алерты при детекции, геопозиционирование и навигационные подсказки.
  • Совместный доступ для экспертов и наставников (разбор полётов/обучение команд).

4. Примеры аналогов и источники вдохновения

  • Ultralytics YOLOv8 — открытая экосистема и документация по обучению/деплою детекторов; ориентир для выборки архитектуры и практик.
  • DJI FlightHub 2 — пример платформы управления операциями БАС (онлайн-ситуационная осведомлённость, он-прем варианты, интеграционные API).
  • Skydio 3D Scan — вдохновение по автономному покрытию объектов и качеству аэроданных (для наших профилей миссий и съёмки).

5. Перспективы развития

  • Трекинг и учёт: добавление multi-object tracking (например, ByteTrack-класс) для устойчивого подсчёта людей и снижения дублей.
  • Мультимодальность: инфракрасные камеры/фьюжн RGB+IR для ПСР в сложных условиях.
  • Сегментация: переход на детекцию-сегментацию (YOLO-seg) для точной локализации.
  • Он-прем/суверенные деплойменты: полностью изолированные контуры, аудит и журналы.
  • Активное обучение: автоматический отбор «сложных» кадров, сокращение стоимости разметки.
  • Валидация по УГТ: план-график достижения УГТ7-УГТ9 с контрольными пилотами и KPI по времени отклика/точности на реальных миссиях.

Ссылка

На страницу проекта

Направление

IT, Беспилотные авиационные системы

Рынки

AeroNet, SafeNet

Сквозные технологии

Искусственный интеллект, Технологии машинного обучения и когнитивные технологии