В ходе Научно-технологической программы «Большие вызовы» в «Сириусе» участники направления «Беспилотный транспорт и логистические системы» создали прототип беспилотной авиационной системы для инвентаризации складских помещений. Учащиеся сконструировали аппарат и написали программное обеспечение на основе нейронных сетей, с помощью которых возможно проводить проверки товаров, находящихся на складе, и строить карту помещения без участия оператора. Работа велась вместе с наставниками компании «Геоскан».
Инвентаризация складов, как правило, проводится в ручном режиме, и это долгая и трудоемкая процедура. Сегодня стали разрабатываться беспилотные аппараты для уточнения данных о хранящихся на складе товарах, однако многие модели требуют доработки. Например, они перемещаются по заданному маршруту, создавая список товаров, имеющихся в наличии на складе, но не фиксируют точное расположение коробок.
Команда проекта «Разработка беспилотной авиационной системы инвентаризации складских помещений» при поддержке ООО «Геоскан» создала аппарат и программное обеспечение, которое позволяют ему перемещаться по заданному маршруту, распознавать коробки и другие предметы, а также строить карту склада, где в онлайн-режиме отображаются товары, информация о них и местоположение.
«Мы создали квадрокоптер, который перемещается по складу закрытого типа. С помощью встроенной камеры, компьютерного зрения и нейронных сетей аппарат определяет коробки на полках и вносит информацию о них в базу данных. У аппаратов, предназначенных для инвентаризации складов, которые сегодня существуют на рынке, есть ряд недостатков. Например, многие из них большие и дорогие. Мы создали компактную и недорогую российскую альтернативу существующим аппаратам на базе квадрокоптера “Геоскан Пионер”», – рассказывает руководитель проекта, сотрудник отдела образовательных проектов и программист ООО «Геоскан» Илья Даниленко.
Также участники проекта отметили, что это не единственные улучшения, которые они бы хотели внедрить в работу своего продукта.
.jpg)
«Мы выяснили, что обработка информации, полученной аналогами, происходит на внешнем носителе. Это значит, что аппарату нужно постоянное интернет-подключение, с помощью которого передаются данные. В нашем случае информация обрабатывается в самом аппарате, и ее не нужно никуда передавать. Наш коптер работает следующим образом: пролетая над полками, с помощью нейросети он определяет коробки, и по изображенным на коробках номерам и штрихкодам распознает их содержимое. Если же штрихкод или номер на коробке отсутствуют, аппарат фиксирует ее положение и отмечает, что она стоит неправильно. Таким образом, беспилотник автоматически подсчитывает количество товаров в наличии на складе, после чего человек через приложение в онлайн-режиме может просматривать стеллажи с товарами и наполнение склада», – отмечает участник проекта, восьмиклассник из Москвы Александр Павлов.
В ходе работы над проектом команда школьников разделилась на две части. Одна группа учащихся решала инженерные задачи: создавала модель беспилотника, оптимизированную под задачи инвентаризации, рассчитывала, как снизить его стоимость и уменьшить размер. В другую группу входили программисты: они интегрировали нейронную сеть в систему аппарата, настраивали его для автономного полета, отлаживали базу данных для информации о содержимом склада, а также создавали графический визуализатор, который позволяет увидеть положение прибора в пространстве.
На фестивале проектов, прошедшем 24 июля в заключение научно-технологической программы «Большие вызовы», команда представила готовую систему: прототип аппарата для инвентаризации складских помещений со встроенным программным обеспечением на основе нейросети, а также приложение для управления, где в онлайн-режиме отображаются товары в наличии и их точное местоположение.
Научно-технологическая программа «Большие вызовы» в 2024 году проходила в девятый раз. В ней приняли участие более 400 школьников из почти всех регионов России. Под руководством наставников – представителей крупнейших российских компаний и научных институтов – они включились в решение 79 задач. Итоги работы команды представили на фестивале проектов, которым завершилась программа.
