III Международный форум «Передовые цифровые и производственные технологии»: круглый стол «Применение алгоритмов и технологий ИИ в промышленности»
В рамках деловой программы III Международного форума «Передовые цифровые и производственные технологии» состоялся круглый стол «Применение алгоритмов и технологий ИИ в промышленности», организованный Лабораторией «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ.
Организаторами Форума выступили Санкт-Петербургский политехнический университет Петра Великого (СПбПУ) и его структурные подразделения – Научный центр мирового уровня «Передовые цифровые технологии» СПбПУ (НЦМУ СПбПУ) и Центр компетенций Национальной технологической инициативы «Новые производственные технологии» СПбПУ (Центр НТИ СПбПУ). Форум вошел в программу мероприятий Года науки и технологий и проходил при поддержке Министерства науки и высшего образования Российской Федерации в рамках национального проекта «Наука и университеты».
К участию в круглом столе «Применение алгоритмов и технологий искусственного интеллекта (ИИ) в промышленности» были приглашены представители партнеров лаборатории ПСПОД – компаний и вузов, использующих в своих исследованиях и разработках алгоритмы и технологии ИИ. В докладах круглого стола были представлены отраслевые решения с использованием ИИ для текстильной и обрабатывающей промышленности, транспортной отрасли, сферы видеонаблюдения и обеспечения безопасности, здравоохранения и др.
Представители НЦМУ СПбПУ «Передовые цифровые технологии» представили свои разработки в сфере машинного обучения и сделали обзор реализованных проектов и технологических возможностей для их развития.
Модератором круглого стола стала Марина Владимировна Болсуновская, к.т.н., доцент, заведующий Лабораторией «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ.
С докладами выступили:
- Уткин Лев Владимирович, д.т.н., профессор Высшей школы искусственного интеллекта ИКНТ СПбПУ, заведующий Научно-исследовательской лабораторией нейросетевых технологий и искусственного интеллекта. Методы объяснения предсказаний моделей машинного обучения.
- Константинов Андрей Владимирович, инженер Научно-исследовательской лаборатории «Суперкомпьютерные технологии и машинное обучение» СПбПУ. Многовариантное обучение на основе множественных моделей внимания.
- Афанасьев Илья Михайлович, тимлид команды Алгоритмов медиа Санкт-Петербургского исследовательского центра Хуавей Технолоджис Ко. Применение алгоритмов и технологий ИИ в цифровых моделях транспортных систем.
- Мирошниченко Денис Александрович, старший научный сотрудник Научно-образовательного центра Ивановского государственного политехнического университета. Перспективы применения искусственного интеллекта в текстильной промышленности. Разработка нейросети для обнаружения дефектов ткани в текстильной промышленности.
- Шахматова Анастасия Михайловна, аналитик Лаборатории «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ. Сбор и подготовка данных для разработки программно-аппаратного комплекса обнаружения и классификации дефектов тканей с использованием нейросетевых технологий.
- Загородний Георгий Романович, программист Лаборатории «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ. Разработка системы автоматической корректировки экспозиции изображения с промышленной камеры для компенсации различных условий освещения.
- Стахиев Александр Владимирович, программист Лаборатории «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ. Разработка системы автоматического сшивания изображений с нескольких промышленных камер.
- Черкас Алина Владимировна, инженер-исследователь Лаборатории «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ; Уразов Станислав Петрович, врач-методист организационно-методического отдела по медицинской реабилитации, СПб ГБУЗ «Городская больница №40». Классификатор прогноза тяжелого течения новой коронавирусной инфекции (COVID-19).
- Гинцяк Алексей Михайлович, заведующий Лабораторией «Цифровое моделирование индустриальных систем» Центра НТИ СПбПУ, научный сотрудник Лаборатории «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ. Ключевые подходы к цифровому моделированию индустриальных систем.
Круглый стол открыл Лев Владимирович Уткин, доктор технических наук, профессор Высшей школы искусственного интеллекта ИКНТ СПбПУ, заведующий Научно-исследовательской лабораторией нейросетевых технологий и искусственного интеллекта СПбПУ.
В своем докладе «Методы объяснения предсказаний моделей машинного обучения» Лев Владимирович рассказал о ключевых направлениях исследований в области объяснимого искусственного интеллекта. Большая часть современных систем искусственного интеллекта представляет собой «черный ящик», не предоставляющий обоснований для собственных решений. Описанная ситуация не позволяет полностью доверять таким решениям и предсказаниям систем искусственного интеллекта. Альтернативным подходом может являться создание самообъясняемых моделей, которые, как правило, обладают меньшей предсказательной силой по сравнению с прочими моделями. Поиск баланса между объяснимостью и эффективностью модели – актуальная проблема, решаемая локально в зависимости от задачи, поставленной перед разработчиками конкретной модели, – отметил спикер.
Тезисы Льва Владимировича были более подробно раскрыты в докладе Андрея Владимировича Константинова, инженера Научно-исследовательской лаборатории «Суперкомпьютерные технологии и машинное обучение» СПбПУ. Выступление было посвящено многовариантному обучению на основе множественных моделей внимания. Андрей Владимирович отметил, что постановка задачи многовариантного обучения заключается в построении классификаторов как на уровне групп, так и на уровне объектов по имеющимся группам объектов и соответствующих им заведомо неизвестных меток. Данная задача актуальна для восстановления разметки по слабым меткам, что может применяться в моделях искусственного интеллекта при переходе от классификации к сегментации. Множественное применение механизма внимания позволяет решать новые, более сложные задачи многовариантного обучения, – считает эксперт.
Доклад Ильи Михайловича Афанасьева, тимлида команды Алгоритмов медиа Санкт-Петербургского исследовательского центра Хуавей Технолоджис Ко, был посвящен современным проблемам применения алгоритмов и технологий ИИ для мониторинга транспортных систем в городских условиях, с которыми столкнулась команда Мультимедийных алгоритмов Санкт-Петербургского Исследовательского Центра Хуавей Технолоджис Ко.
Современные проблемы в мониторинге транспорта связаны с детектированием, классификацией, локализацией и трекингом большого количества разнообразных участников дорожного движения: автомобильного транспорта различных видов, мотоциклов, велосипедов, пешеходов и т.д. Для мониторинга активно используются алгоритмы и технологии ИИ, применяемые для наборов данных, как для отдельных камер, так и для мультикамерных систем. При этом возможны разнообразные сценарии использования ИИ моделей: для парковок, перекрестков, магистралей и т.п. Решения должны быть робастны для различных времен года, времени суток, погодных условий, и т.п. При этом настоящие сложности могут возникнуть при увеличении размеров дорог и перекрестков, а также при лавинном увеличении количества участников движения во время пробок.
В следующих четыре докладах были освещены различные аспекты проекта, который ведет Лаборатория «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ в сотрудничестве с Ивановским государственным политехническим университетом.
Проект по разработке нейросетей и программно-аппаратного комплекса для обнаружения дефектов ткани на движущихся рулонных материалах большой ширины с различным видом оформления поверхности представил в своем докладе Денис Александрович Мирошниченко, старший научный сотрудник Научно-образовательного центра Ивановского государственного политехнического университета (ИвГПУ). Докладчик описал суть проекта, перечислил основные технические особенности будущего решения и акцентировал актуальность создаваемого программно-аппаратного комплекса автоматического обнаружения и распознавания дефектов тканых полотен для цифровизации промышленного производства текстиля.
Анастасия Михайловна Шахматова, аналитик Лаборатории «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ и участник рабочей группы проекта, рассказала о подготовке базы данных о дефектах тканей — сборе, анализе, оцифровке образцов дефектов для обучения нейросетей. К настоящему моменту оцифровано уже более 1000 образцов и выделено 43 типа дефектов тканей.
В этот важнейший подготовительный этап вошли такие работы, как анализ видов дефектов, составление инструкций по работе с испытательным стендом, оцифровка материалов, наполнение базы и классификация образцов, разметка образцов для машинного обучения и решение возникающих проблем, например, проблемы муара — искажения в виде полос разного размера и направления с оттенком желтого и зеленого цветов, возникавшего на видеоизображениях при съемке однотонных материалов.
Далее программисты Лаборатории «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ представили технические аспекты работы с видеоизображениями.
Георгий Романович Загородний рассказал о разработке системы автоматической корректировки экспозиции изображения с промышленной камеры для компенсации различных условий освещения. В этом проекте особенно важно получать максимально качественное изображение с камеры, так как, чем больше информации имеется в кадре, тем лучше будет работать нейросеть для детекции. Была разработана программа, которая, анализируя гистограмму изображения, изменяет параметры камеры. Разработанный метод имеет хорошую скорость работы и высокую стабильность даже при резком изменении цвета ткани. В дальнейшем планируется сравнить разработанный алгоритм с современными разработками в этой области.
Александр Владимирович Стахиев представил систему автоматического сшивания изображений с нескольких промышленных камер. В процессе поиска дефектов на ткани это помогает обеспечить высокое качество картинки на полотне большой длины, что напрямую влияет на точность обнаружения дефектов. В результате использования классического подхода, основанного на поиске ключевых точек, удалось получить высокую точность на синтетических данных. Однако на реальных данных этот метод показывает себя недостаточно стабильно, поэтому рабочая группа планирует исследовать другие подходы, например — применение оптического потока и нейросетей.
Кейс применения технологий ИИ в здравоохранении описали в своем докладе «Разработка классификатора прогноза тяжелого течения заболевания пациентов с новой коронавирусной инфекцией» Станислав Петрович Уразов, врач-методист организационно-методического отдела по медицинской реабилитации СПб ГБУЗ «Городская больница №40», и инженер-исследователь Лаборатории ПСПОД Центра НТИ СПбПУ Алина Владимировна Черкас, которая также является специалистом научно-исследовательского отдела инновационных и конверсионных программ СПб ГБУЗ «Городская больница №40».
«Внедрение единой государственной системы здравоохранения только набирает обороты, завершение внедрения единых стандартов и клинических рекомендаций в медицине началось в этом году и продлится до 2024 года, — отметила Алина Владимировна. – Структура медицинской информации крайне неоднородна, поэтому многие попытки создать программные алгоритмы с использованием ИИ не увенчались успехом. Тем не менее мы поставили себе цель сформировать модель прогноза по самой актуальной на сегодняшний день теме, используя ресурсы медицинской информационной системы и возможности автоматической выгрузки больших массивов данных».
В докладе был представлен процесс сбора более 10000 данных по 117 клиническим и лабораторным показателям о пациентах с COVID-19 и их анализ, а также обучение 19 моделей машинного обучения по двум сценариям. Точность (AUC) основной модели, обученной по алгоритму «Стохастический градиентный спуск», составила более 90%.
В завершение круглого стола выступил Алексей Михайлович Гинцяк, заведующий Лабораторией «Цифровое моделирование индустриальных систем» Центра НТИ СПбПУ и научный сотрудник Лаборатории «Промышленные системы потоковой обработки данных» Центра НТИ СПбПУ, с докладом «Ключевые подходы к цифровому моделированию индустриальных систем».
Задача моделирования социально-технических и социально-экономических систем предъявляет новые вызовы исследователям, – считает докладчик. – Системы с участием человека обладают принципиальной сложностью, связанной с отсутствием детерминированности уже на индивидуальном уровне.
Алексей Михайлович отметил, что решением данной проблемы может быть комбинирование традиционных инструментов моделирования социально-экономических систем с инструментами и подходами, использующимися при моделировании технических систем, такими как математическое моделирование и динамическое прогнозирование, интервальный подход, анализ чувствительности, калибровка, верификация и валидация.
«Использование данных методов возможно для решения задач предиктивной и прескриптивной аналитики функционирования социально-технических и социально-экономических систем», — считает А.М. Гинцяк.
