Трекинг в помещении

Всем известно, что GPS в помещениях работает либо плохо, либо не работает вообще. Нет простой модели, которая позволяет рассчитать по уровню мощности Wi-Fi сигнала расстояние до датчика, так как на распространение радиосигнала влияет конфигурация помещения, оборудование, предметы мебели, перегородки. Компания "Павлин Техно" разработала подход более точного получения позиции человека в помещении без использования GPS с применением нейросетевых пространственных моделей уровня WiFi сигнала . Главная особенность - минимальные затраты на оборудование. Альтернативные системы с радиомаяками и специальными датчиками требуют значительных затрат на оборудование, а для разработанного решения все, что нужно, это несколько бюджетных Wi-Fi роутеров и смартфон. Вначале мы используем прибор, при помощи которого проходим по помещению и сохраняем одновременно координаты человека и уровень Wi-Fi сигнала. Такой прибор (калибровочное устройство) потребуется только один раз и его использование входит в стоимость развертывания системы.

Средняя точность определения локации +/-1.5 метра, стандартное отклонение ошибки 80 см. Точность определения локации может быть дополнительно повышена алгоритмом пост-обработки (например, фильтром Калмана).

На фотографиях с цветными "радугами" визуализированы нейросетевые модели интенсивности WiFi сигнала в офисном помещении с перегородками, построенные по результатам работы калибровочного устройства. Красный цвет означает - сигнал мощный, синий - слабый. 

Эксперимент на видео - проверка данных, которые получаются из нашего алгоритма позиционирования человека по уровням Wi-Fi-сетей.  Не считая редких выбросов, в большинстве случаев система позволяет правильно определить, рядом с каким рабочим местом находится человек.

Распознавание рентгеновских снимков

1/1

Два основных направления в данном проекте: дефектоскопия и система детекции аномалий на маммограммах.

Нашей компанией была разработана обучающая выборка, результатом которой стал искусственный интеллект, умеющий оценивать маммограмму и, в случае наличия потенциальной проблемы, предупреждающий человека о необходимости визита к врачу. Гибридная нейросетевая модель методом технического зрения определяет первичные признаки и подает их в нейронную сеть, которая, в свою очередь, классифицирует маммограмму.

Дефектоскопия же позволяет распознать отклонения от качества производимого продукта на различных конвейерных фабриках.

Сравнение подписей

Сравнение подписей, на основе глубоких сверхточных сиамских нейронных сетей, помогает автоматизировать процесс определения рисков. Например, с помощью данного проекта можно снизить нагрузку на различные отделы  предприятий или организаций, а также снизить влияния человеческого фактора на Ваш бизнес. Сравнение подписей положительно повлияет на показатели надежности и эффективности за счет ограничения возможности первоначальной ошибки персонала в определении схожести подписей, представленных в документах. Работнику достаточно будет лишь отсканировать подписи и отправить их на сервер, после чего программа автоматически выдаст степень сходства.

1/1

Детекция дорожных знаков

1/1

Любой город таит в себе много "сюрпризов". Даже зрячему человеку при переходе через пешеходный стоит полностью сосредоточиться на дороге, а для слепого - это целое испытание. Инвалиды по зрению каждый день сталкиваются с целым списком проблем.

Для того, чтобы помочь людям справиться с трудностями, компания "Павлин Технологии"  разработала систему детекции и распознавания дорожных знаков.

На данный момент она успешно внедрена в носимое устройство, позволяющее слепым и слабовидящим людям ориентироваться в городе.

Мы проектировали данную систему  с учетом последующего функционирования на мобильных устройствах, приняв во внимание их   аппаратные ограниченя. 

info@pawlin.ru

sales@pawlin.ru

+7 (495) 790 81 17

(С)2020 ООО "Павлин Технологии"

Verification: a9a5598a4a003ec5