Smart Timber: измеряем лес смартфоном. Часть 1: Роль продуктового подхода в успехе проекта

В сфере искусственного интеллекта произошло заметное событие. compvisionsys 15 минут назад Smart Timber: измеряем лес смартфоном. Часть 1: Роль продуктового подхода в успехе проекта Уровень сложности Простой Время на прочтение 7 мин Охват и читатели 404 Блог компании ГК ЛАНИТ Искусственный интеллект Развитие стартапа Разработка мобильных приложений * Кейс Сегодня в блоге ЛАНИТ мы бы хотели поделиться, как продукт для лесной отрасли на основе алгоритмов компьютерного зрения прошел путь от пилотной версии до гибкой бизнес-системы и выжил в условиях, когда у сотрудников клиента нет связи, а поставщики не всегда добросовестно измеряют объемы древесины. Как все начиналось: от идеи к продукту Есть два подхода к ручному замеру древесины: очень неточный или очень медленный Smart Timber — это продукт нашей компании «Системы компьютерного зрения» .

Его идея родилась из двух направлений: технологических наработок команды и запроса рынка на решения для измерения и учета круглых лесоматериалов. Еще в 2015–2017 годах мы работали над стационарной системой замеров древесины по фотографиям с компанией НЭК — одной из крупнейших российских компаний в области лесных измерений. Первые попытки создания мобильных решений показали, что их точность, возможности и удобство использования не удовлетворяют профессиональное сообщество.

Технические детали

В 2019 году наша команда получила предложение от «Сегежа Групп», одной из крупнейших лесозаготовительных компаний, создать аналог эстонского приложения Timbeter, но с акцентом на российские реалии и с более высокой точностью. С этого момента и началась полноценная разработка Smart Timber. Она шла волнами в три ключевых этапа.

Пилот и первые версии Та самая «точковка» — поштучный замер древесины, занимающий иногда часы. Наиболее точным считается замер каждого бревна с двух торцов (при этом учитываются разные нюансы). Лесная отрасль традиционно испытывала проблемы, связанные с ручным учетом круглых лесоматериалов.

Основные трудности включали низкую точность замеров (погрешность могла достигать 15–20%), формальное выполнение или полное игнорирование процедур замера и учета, а также случаи занижения объемов при приемке леса. При этом точный ручной учет возможен, но крайне трудоемок и применяется только в единичных случаях. Типичный штабель на фоне штабеля на фоне штабеля — одна из самых сложных ситуаций для автоматического анализа.

Отраслевые последствия

Размеры штабелей могут достигать сотни метров в длину и более 10 м — в высоту. Наш продукт был направлен на решение этих проблем за счет фотофиксации, автоматизированного расчета объемов древесины с помощью мобильного устройства с погрешностью в пределах 2–3% и последующей отправки результатов в единую систему. Первую версию мобильного приложения мы выпустили в 2020 году, задолго до подписания первого крупного контракта.

Основной нашей задачей было сделать MVP и испытать его на практике. Мы провели несколько пилотов с разными компаниями и убедились, что приложение реально работает. В ходе пилотов особое внимание мы уделяли точности замеров.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.