МТУСИ: Нейросеть для автоматизации складского учета

Основная статья: Нейросети (нейронные сети)

2025: Анонс нейросети для автоматизации складского учета

Ученые Московского технического университета связи и информатики (МТУСИ) разработали систему на базе искусственного интеллекта, которая автоматически определяет количество и типы труб на складах и производственных площадках. Технология способна заменить ручной труд работников и оптимизировать процессы складского учета в металлургической отрасли. Об этом 21 октября 2025 года сообщила пресс-служба МТУСИ.

𝓲

Фото: Freepik

Как сообщалось, сотрудники кафедры МКиИТ факультета «Информационные технологии» МТУСИ — д.т.н., профессор Юрий Леохин и к.т.н., доцент Тимур Фатхулин — создали программное решение на базе нейронной сети YOLOv8, специально адаптированное для распознавания металлопродукции в условиях реального производства.

Несмотря на обилие программных продуктов для автоматизации бизнес-процессов, многие специфические операции на российских предприятиях до сих пор выполняются вручную. В производственных компаниях металлоконструкций подсчет труб после разгрузки и перед началом производства традиционно осуществляет работник без каких-либо автоматизированных средств — процесс трудоемкий, долгий и подверженный ошибкам.Международный конгресс по anti-age и эстетической медицине — ENTERESTET 2026

Разработка МТУСИ решает эту проблему комплексно: система компьютерного зрения способна распознавать трубы на фотографиях, сделанных обычным смартфоном, определять их тип и автоматически подсчитывать количество. Это особенно важно для предприятий, работающих с большими объемами металлопродукции.

Технологические возможности:

• Обучение в реальных условиях: Нейронная сеть была обучена на датасете из 5800 изображений, включающем как открытые данные «Яндекса», так и реальные фотографии с производственных предприятий. Ключевой особенностью стала технология аугментации данных — генерация дополнительных изображений с различными эффектами для имитации разных условий съемки.
• Работа в сложных условиях: Разработчики уделили особое внимание анализу влияния внешних факторов на точность распознавания. Система протестирована на различных углах наблюдения, при разной степени освещенности и для труб разного типа. По результатам экспериментов сформулированы рекомендации для оптимального применения алгоритма в условиях реального производства.
• Оптимальная точность: Главная возможность разработки — способность точно распознавать объекты даже на фотографиях невысокого качества, сделанных на обычные смартфоны в производственных условиях.

Эта разработка наглядно демонстрирует, как искусственный интеллект может решать конкретные задачи реального сектора экономики. Мы создали инструмент, который позволит российским предприятиям металлургической отрасли оптимизировать эффективность работы и снизить операционные издержки. Особенно важно, что наша нейросеть работает с фотографиями, сделанными на обычные смартфоны — это делает внедрение технологии простым и доступным. Не нужно закупать дорогостоящее оборудование, достаточно камеры телефона и нашего программного обеспечения. Такие разработки подтверждают, что МТУСИ не только готовит высококлассных специалистов в области IT и искусственного интеллекта, но и создает прикладные решения, которые могут быть немедленно внедрены в производство. Это вклад в цифровизацию российской промышленности и повышение ее конкурентоспособности. рассказал Сергей Дмитриевич Ерохин, ректор МТУСИ

Внедрение системы автоматизированного определения труб позволит предприятиям:

• Сократить время инвентаризации — с часов до минут
• Устранить человеческий фактор — исключить ошибки ручного подсчета
• Оптимизировать складские процессы — получать данные в режиме реального времени
• Снизить трудозатраты — высвободить персонал для более сложных задач
• Повысить точность учета — обеспечить прозрачность складских остатков

Разработанная система может быть адаптирована под специфические нужды различных складов и производственных предприятий. Технология применима не только для труб, но и для распознавания других типов металлопродукции и строительных материалов.

Целевые отрасли для внедрения:

• Металлургические комбинаты
• Производители металлоконструкций
• Строительные компании
• Логистические склады
• Трубопрокатные заводы

Технические характеристики:

• Архитектура: нейронная сеть YOLOv8
• Объем обучающей выборки: 5800 изображений
• Источники данных: открытые ресурсы «Яндекс» + производственные фото
• Условия работы: фотосъемка на смартфон
• Адаптивность: работа при различных углах, освещении и типах труб

Создание специализированных AI-решений для российской промышленности является стратегически важным направлением в условиях технологического суверенитета.