В России научились анализировать состояние дорожного покрытия при помощи ИИ

Сегодня, 1 апреля, информационное издание «ТАСС» со ссылкой на пресс-службу Новосибирского государственного технического университета сообщило, что российским специалистам удалось разработать передовую систему, отвечающую за оперативное выявление и фиксацию различного рода повреждений и дефектов дорожного покрытия. Главная особенность данной системы в том, что она в рамках выполнения поставленных задач использует возможности искусственного интеллекта. «Система основана на компьютерном зрении и способна определять различные дефекты, такие как ямы, повреждения дорожных знаков и светофоров, выделяя их на видеопотоке», — сообщила пресс-служба НГТУ со ссылкой на Егора Антонянца, руководителя проекта и ассистента кафедры автоматизированных систем управления вуза.Для запуска данной системы авторы проекта отобрали необходимую информацию из базы в более чем 6 тысяч фотографий с дорожными ямами, неработающими светофорами, стёртым рисунком «зебры» или деревьями, которые загораживают дорожный знак. Эти изображения послужили базой для обучения передовой нейросети, которая теперь умеет определять аналогичные дефекты самостоятельно. Передовую разработку, по мнению специалистов, можно будет применять для актуализации текущего состояния инфраструктуры в городах России — она будет полезна в сфере благоустройства, а также водителям, дорожным службам и государственным учреждениям. «Сейчас мы находимся на стадии постоянного тестирования и улучшения распознавания дефектов нейронной сетью в записанном видеопотоке. В будущем планируем добавить возможность работы с интерфейсом и подключением активного видеопотока с видеокамеры», — добавил Руслан Гаврилов, один из главных разработчиков проекта.Специалисты отмечают, что первый прототип данной системы будет изготовлен уже к сентябрю текущего года, а полноценную версию нейросети авторы планируют выпустить в декабре. Если всё пройдёт по плану, в будущем софт можно будет установить на городской транспорт для фиксации повреждений дорожного полотна.

Апр 1, 2025 - 13:11

Сегодня, 1 апреля, информационное издание «ТАСС» со ссылкой на пресс-службу Новосибирского государственного технического университета сообщило, что российским специалистам удалось разработать передовую систему, отвечающую за оперативное выявление и фиксацию различного рода повреждений и дефектов дорожного покрытия. Главная особенность данной системы в том, что она в рамках выполнения поставленных задач использует возможности искусственного интеллекта.

«Система основана на компьютерном зрении и способна определять различные дефекты, такие как ямы, повреждения дорожных знаков и светофоров, выделяя их на видеопотоке», — сообщила пресс-служба НГТУ со ссылкой на Егора Антонянца, руководителя проекта и ассистента кафедры автоматизированных систем управления вуза.

Для запуска данной системы авторы проекта отобрали необходимую информацию из базы в более чем 6 тысяч фотографий с дорожными ямами, неработающими светофорами, стёртым рисунком «зебры» или деревьями, которые загораживают дорожный знак. Эти изображения послужили базой для обучения передовой нейросети, которая теперь умеет определять аналогичные дефекты самостоятельно. Передовую разработку, по мнению специалистов, можно будет применять для актуализации текущего состояния инфраструктуры в городах России — она будет полезна в сфере благоустройства, а также водителям, дорожным службам и государственным учреждениям.

«Сейчас мы находимся на стадии постоянного тестирования и улучшения распознавания дефектов нейронной сетью в записанном видеопотоке. В будущем планируем добавить возможность работы с интерфейсом и подключением активного видеопотока с видеокамеры», — добавил Руслан Гаврилов, один из главных разработчиков проекта.

Специалисты отмечают, что первый прототип данной системы будет изготовлен уже к сентябрю текущего года, а полноценную версию нейросети авторы планируют выпустить в декабре. Если всё пройдёт по плану, в будущем софт можно будет установить на городской транспорт для фиксации повреждений дорожного полотна.