Финал 4-го Хакатона по треку "Строительство"
По словам исполнительного директора краевого Фонда развития инноваций Ольги Лукашевой, всего на хакатон было получено рекордное количество заявок — 113 регистраций.
«Сегодня, по прошествии четырех хакатонов, мы можем утверждать, что в рамках Воронки сформировали эффективный и оперативный механизм генерации и создания IT-решений для любой задачи, как от отрасли, так и муниципалитетов с заложенным потенциалом масштабирования. А главное, на таких мероприятиях создается механизм внутрирегионального формирования, роста и развития IT-команд, которые создают надежную импортозамещающую основу развития региона», — рассказала Ольга Лукашева.
Из 16 команд, состоящих из разработчиков, продактов, маркетологов, дизайнеров, до финала дошли 13. Впервые участие в хакатоне приняли две команды военных из технополиса «ЭРА».
Участники искали решения по двум кейсам трека «Умные города». Кейс № 1 предполагал поиск решения для контроля состояния городской инфраструктуры, включая дорожное полотно, здания, тротуары и прочее. Кейс № 2 — система «Стоп-мусор» в курортном городе.
Часть призового фонда (300 тыс. рублей, а также Специальный приз 30 тыс. рублей) обеспечены кейсодателем — мэрией Анапы.
По словам вице-мэра Виталия Воронова, им было невероятно сложно выбрать только несколько победителей. Каждый проект предполагает оригинальное решение для задачи.
«Мы не смогли оставить только три призовых места по нашему кейсу и создали специальный приз — команде, создавшей возможность распознавания мусора по цветовому спектру, — добавил Виталий. — Все проекты мы будем тестировать и, возможно, внедрим не одно решение, а компиляционно несколько».
Кейсы
Задача городской администрации - устранить скопления мусора в черте города и предотвратить их появление. Участникам во время хакатона предстоит используя технологии машинного обучения и способы анализа видеоданных разработать и представить продукт который сможет помочь городской администрации в решении этой проблемы.
Решения на кейс: Система Стоп-мусор
Мобильное приложение позволяет администрации и службам вывоза мусора оперативно реагировать на появляющиеся инциденты для соблюдения чистого города, которые возникают в виде постов, созданных из ip-камер.
Концепция «умный город» позволяет автоматизировать процесс наблюдения за чистотой города (каждый гражданин может сделать фото грязной улицы с указанием местоположения) и собирать данные для создания предиктивной аналитики в будущем. А граждане, которые мусорят в городе, будут засняты камерами для улучшения ситуации в городе. Создание анализа в самом приложении об обстановке и чистоте города.
Веб-приложение от команды QubanTech для мониторинга выброса и вывоза мусора, позволяющее оперативно отслеживать состояние объектов (мусорные баки, урны, и т.д.) по данным с камер видеонаблюдения, получать подробную аналитику по ключевым показателям, формировать отчеты, прогнозировать появление проблем. Для детектирования объектов система использует нейросетевую модель YOLOv5, с помощью которой проводится сегментация изображений, что позволяет в дальнейшем автоматически классифицировать и оперативно отслеживать события. Кроме того, упор сделан на то, чтобы помогать администрации принимать управленческие решения и сокращать трудозатраты на отчетность. Также сервис позволяет не потерять обратную связь с гражданами, предоставляя возможность оставить жалобы и предложения. Сервис разворачивается в облаке Yandex Cloud — полностью импортозамещаем.
Веб-сервис анализа данных, построенный на микросервисной архитектуре, позволяющий получать данные с камер видеонаблюдения любого типа. Сервис способен фиксировать наполняемость мусорных контейнеров, собирать статистику.
Архитектура проекта предусматривает возможность масштабирования и выполнения функций прогнозирования наполняемости контейнеров в процентах, оповещения о возникновении локальных свалок, создания оптимальных маршрутов проезда, тем самым снижая издержки на обслуживание сети контейнеров для сбора ТБО.
Автор: Владислав Николаевич Маторкин
Задача городской администрации - повысить скорость анализа данных и выявления несоответствий, а также минимизировать количество обращений граждан по проблемам городской инфраструктуры. Участникам за 48 часов предстоит используя технологии машинного обучения и способы анализа видеоданных разработать и представить продукт который сможет помочь городской администрации в решении этой проблемы.
Решения на кейс: Система для контроля состояния городской инфраструктуры
Cистема, состоящая из нейронной сети, распознающей дорожные дефекты и дорожные знаки. Предполагается, что нейронная сеть будет работать на встраиваемом устройстве, состоящем из одноплатного компьютера khadas vim3 pro, видеокамеры, GPS-модуля, аккумуляторов и модуля связи. Это устройство в автоматическом режиме производит обработку данных и обработанные пакеты отправляет на сервер. Далее данные, находящиеся на сервере, могут быть получены через веб-сайт, на котором находится карта города с метками распознанных дефектов, также на сервисе доступен архив данных, которые уже утратили свою актуальность.
Нейронная сеть была обучена на собственном датасете, собранном из открытых данных, обучение производилось на платформе Google Colab во время хакатона
Pешение на основании обучаемой нейросети, которая также работает на технологиях no-code. Платформа базируется на работе с задачами и участками дороги — не отделяя идейно дефекты дорожного полотна от самого́ полотна.
Модульное решение позволяет легко изменять логику платформы, а подробный вариант постановки задач позволяет упростить работу пользователям — функционал скачивания дефектного акта в ПДФ, отслеживание процесса, составление отчетности и тд.
Ознакомиться с решением подробно вы можете по ссылке: https://icluster23.ru/burse/proekty/ftm/
Автор: Мария Владимировна Чагина
Система, состоящая из двух подсистем: подсистема регистрации недостатков городской инфраструктуры и подсистема контроля выполнения задач по обслуживанию объектов инфраструктуры с возможностью определения проблем в обслуживании и ремонте объектов городской инфраструктуры и контроля за ходом выполнения необходимых работ.