Как я строил IoT-стартап для морских портов: Python, паяльник и чёрный лебедь

В сфере искусственного интеллекта произошло заметное событие. IOsyan 9 минут назад Как я строил IoT-стартап для морских портов: Python, паяльник и чёрный лебедь Простой 4 мин 138 Интернет вещей Управление продуктом * Кейс Из песочницы Это история о том, как мы строили промышленный продукт из сферы Интернета вещей для морских портов, и какое-то время нам казалось, что главное — заставить его работать. Но оказалось, что иногда самая большая проблема не в коде, не в железе и даже не в отсутствии спроса. В одну из питерских белых ночей я усердно работал на территории морского порта.

Коллеги весь день монтировали наше оборудование на контейнерный перегружатель, и, несмотря на позднее время, мы решили не прерываться — нам не терпелось понять, будет ли все работать так, как мы планировали. Внезапно в небе раздался резкий хлопок. Небо полыхнуло яркой вспышкой, и в нескольких сотнях метров от нас в воду начали падать горящие обломки.

Технические детали

Похоже, дрон сбили, — мрачно произнёс мой инженер-монтажник. — Наверное, придётся отложить все до завтра. Мы ещё не понимали, что спешить с этим проектом нам скоро будет уже некуда.

За пару лет до этого я дни напролет сидел в офисе с паяльником, кучей электронных девайсов и попеременно читал то статьи о применении триггера Шмитта для борьбы с дребезгом контактов, то о специфике программирования микроконтроллеров и серверного бэкенда для проектов Интернета вещей. Мы делали систему для морских портов, которая должна была повысить производительность операций по перемещению контейнеров. Идея такая: ричстакеры и краны оборудуются датчиками и камерами, которые отправляют на сервер данные о любых перемещениях грузов, а каждый водитель или крановщик работает в кабине с планшетом, который в режиме реального времени показывает, какой груз где находится, что нужно взять и куда переместить.

Софтверная часть — Python-скрипт, управляющий оборудованием, FastAPI и React на сервере, дообученная модель YOLO для детекции номеров контейнера, нативное Kotlin-приложение для планшета. Все вместе — что-то вроде Яндекс Такси для спецтехники. Сокращаем время на поиск контейнеров, оптимизируем маршруты.

Отраслевые последствия

Для терминалов, которые борются за скорость погрузки и разгрузки судов, — это важно. Первый MVP обладал лишь одной функцией — подсчет количества выполняемых погрузочно-разгрузочных операций. Делал он это объективно плохо.

В качестве источника сигнала для подсчета количества операций мы выбрали сигнальную лампочку, которая загоралась и гасла в зависимости от того, закрыты или открыты замки на стреле контейнерного перегружателя, — таким образом можно было понять, взят или поставлен контейнер. На практике же мы столкнулись с тем, что система могла зарегистрировать кучу операций в течение нескольких секунд или, напротив, пропустить нужные. Огромное количество времени было потрачено, с одной стороны, на отладку схемотехники, с другой — кода.

Событие, по словам экспертов, усилит конкуренцию в сфере ИИ.