💨Как заставить беспилотник летать дольше?
Чем сложнее задача дрона, тем быстрее садится батарея. Облететь 50 км ЛЭП? Готовься менять аккумуляторы каждые 20 минут. Бесконечно наращивать их нельзя — дрон не взлетит.
Студент группы БУС-22-31 Габдрахманов Тимур предлагает не наращивать батареи, а грамотно тратить энергию.
Большинство дронов летят по шаблону, не думая о ветре. А ветер сажает батарею на 15-30% быстрее, если дует навстречу.
Решение: нейросеть строит энергоэффективный маршрут. Система учитывает прогноз ветра и рельеф, прокладывая путь так, чтобы использовать попутный ветер и уходить от лобового. Траектория может быть чуть длиннее, но энергии тратит меньше. Полётный контроллер ведет дрон строго по маршруту — дополнительное оборудование не нужно.
Зачем это нужно: доставка, мониторинг полей, съемка. Экономия 5-15% энергии сокращает износ батарей и позволяет делать больше рейсов.
Чем сложнее задача дрона, тем быстрее садится батарея. Облететь 50 км ЛЭП? Готовься менять аккумуляторы каждые 20 минут. Бесконечно наращивать их нельзя — дрон не взлетит.
Студент группы БУС-22-31 Габдрахманов Тимур предлагает не наращивать батареи, а грамотно тратить энергию.
Большинство дронов летят по шаблону, не думая о ветре. А ветер сажает батарею на 15-30% быстрее, если дует навстречу.
Решение: нейросеть строит энергоэффективный маршрут. Система учитывает прогноз ветра и рельеф, прокладывая путь так, чтобы использовать попутный ветер и уходить от лобового. Траектория может быть чуть длиннее, но энергии тратит меньше. Полётный контроллер ведет дрон строго по маршруту — дополнительное оборудование не нужно.
Зачем это нужно: доставка, мониторинг полей, съемка. Экономия 5-15% энергии сокращает износ батарей и позволяет делать больше рейсов.
🔥3
«Цифровая лаборатория 2.0» 🚀✨
Наша лаборатория обновилась и снова открывает двери для будущих инженеров! 🔥
20 февраля первыми гостями обновлённого пространства стали учащиеся 7 И класса СЛИ №2. Для них мы провели урок-квест «Шифровальный Шторм: Код Паукобота» 🕷🤖
Ребята попробовали себя в разных ролях:
👨💻 Инженеры — проектировали систему передачи данных
🔐 Криптографы — шифровали и защищали информацию
🎮 Операторы — управляли разведывательным роботом
В формате командного квеста школьники прошли полный цикл обработки сигналов: от кодирования до защиты данных. Именно так рождаются современные технологии связи и робототехники!
«Цифровая лаборатория 2.0» — это не просто обновлённое оборудование. Это новый формат погружения в мир инженерии, где каждый может почувствовать себя создателем технологий.
Проект реализуется под руководством доцента кафедры АТИС Шулаевой Е.А. и старшего преподавателя Коваленко Ю.Ф.
Наша лаборатория обновилась и снова открывает двери для будущих инженеров! 🔥
20 февраля первыми гостями обновлённого пространства стали учащиеся 7 И класса СЛИ №2. Для них мы провели урок-квест «Шифровальный Шторм: Код Паукобота» 🕷🤖
Ребята попробовали себя в разных ролях:
👨💻 Инженеры — проектировали систему передачи данных
🔐 Криптографы — шифровали и защищали информацию
🎮 Операторы — управляли разведывательным роботом
В формате командного квеста школьники прошли полный цикл обработки сигналов: от кодирования до защиты данных. Именно так рождаются современные технологии связи и робототехники!
«Цифровая лаборатория 2.0» — это не просто обновлённое оборудование. Это новый формат погружения в мир инженерии, где каждый может почувствовать себя создателем технологий.
Проект реализуется под руководством доцента кафедры АТИС Шулаевой Е.А. и старшего преподавателя Коваленко Ю.Ф.
🔥4
Что, если человек одновременно не видит и передвигается на коляске?
В рамках стартап-проекта студент группы БУС-22-31 Валеева Юлия разрабатывает устройство навигации для людей с ограниченными возможностями.
Были рассмотрены уже существующие решения для навигации маломобильных групп населения:
🧑🦯Умная трость — легкая и дешевая, но видит только то, что на уровне земли
🐕🦺Собака-проводник — отличный помощник, но требует дорогого обучения, работает всего 8–10 лет, а ещё не везде пускают.
🦽Электрическая коляска — решает проблему передвижения, но не ориентирования. Пользователь по-прежнему зависим от зрения.
🦾Протезы — высокотехнологично, но дорого и не всегда практично в быту.
Все эти решения помогают либо незрячим, либо людям с нарушением опорно-двигательного аппарата. А как быть тем, у кого комбинированные ограничения?
Именно поэтому в работе предложен другой подход — интеграция навигационной системы прямо в кресло-коляску. Чтобы устройство само подсказывало путь, предупреждало о препятствиях.
В рамках стартап-проекта студент группы БУС-22-31 Валеева Юлия разрабатывает устройство навигации для людей с ограниченными возможностями.
Были рассмотрены уже существующие решения для навигации маломобильных групп населения:
🧑🦯Умная трость — легкая и дешевая, но видит только то, что на уровне земли
🐕🦺Собака-проводник — отличный помощник, но требует дорогого обучения, работает всего 8–10 лет, а ещё не везде пускают.
🦽Электрическая коляска — решает проблему передвижения, но не ориентирования. Пользователь по-прежнему зависим от зрения.
🦾Протезы — высокотехнологично, но дорого и не всегда практично в быту.
Все эти решения помогают либо незрячим, либо людям с нарушением опорно-двигательного аппарата. А как быть тем, у кого комбинированные ограничения?
Именно поэтому в работе предложен другой подход — интеграция навигационной системы прямо в кресло-коляску. Чтобы устройство само подсказывало путь, предупреждало о препятствиях.
🔥3
Почему посторонние включения в сырье — это миллионные потери?
👨💻Студент БУС-22-31 Андрей Иванов (кафедра АТИС, УГНТУ в Стерлитамаке) работает над стартап-ВКР по обнаружению включений в сырье с помощью машинного зрения под руководством доцента Кадырова Р.Р.
📷Почему это актуально?
Примеси в сырье — критическая проблема для химической и пищевой промышленности:
▫️До 30% брака продукции
▫️Простои 15-20%
▫️Штрафы до 1 млн рублей
✨Традиционные методы неэффективны: ручной контроль опасен и неточен, импортные технологии стоят 5-10 млн рублей. Российский рынок растет на 14% ежегодно — время действовать!
✅ Наше решение — система на машинном зрении (OpenCV) и Raspberry Pi:
🔸Точность 85-95%
🔸Реальное время
🔸Цена менее 1 млн рублей
📉Экономия 10-20% затрат, безопасность сотрудников, 100% импортозамещение. 80% опрошенных экспертов подтвердили: нужна задержка менее 50 мс.
💫Проект участвует в Евразийской акселерационной программе. Открыты к партнерству с предприятиями для пилотных проектов!
👨💻Студент БУС-22-31 Андрей Иванов (кафедра АТИС, УГНТУ в Стерлитамаке) работает над стартап-ВКР по обнаружению включений в сырье с помощью машинного зрения под руководством доцента Кадырова Р.Р.
📷Почему это актуально?
Примеси в сырье — критическая проблема для химической и пищевой промышленности:
▫️До 30% брака продукции
▫️Простои 15-20%
▫️Штрафы до 1 млн рублей
✨Традиционные методы неэффективны: ручной контроль опасен и неточен, импортные технологии стоят 5-10 млн рублей. Российский рынок растет на 14% ежегодно — время действовать!
✅ Наше решение — система на машинном зрении (OpenCV) и Raspberry Pi:
🔸Точность 85-95%
🔸Реальное время
🔸Цена менее 1 млн рублей
📉Экономия 10-20% затрат, безопасность сотрудников, 100% импортозамещение. 80% опрошенных экспертов подтвердили: нужна задержка менее 50 мс.
💫Проект участвует в Евразийской акселерационной программе. Открыты к партнерству с предприятиями для пилотных проектов!
🔥2
🌿 Почему мы создаем дрон для борьбы с борщевиком с нуля?
Казалось бы, рынок дронов перенасыщен. Но готовые решения не работают против борщевика Сосновского.
Проблема: борщевик растет в оврагах, на обочинах, заброшенных полях. Обычные опрыскиватели не видят цели под густой зеленью и травят всё подряд, уничтожая здоровую флору.
Студент БУС-22-31 Шепелев Владислав в стартап-ВКР проектирует платформу с нуля под руководством преподавателей кафедры.
Почему «свой» дрон?
• Точечное распыление: специальный модуль для адресной обработки, попадающий точно в борщевик.
• Сложный рельеф: настраиваем навигацию для маневров на малых высотах над оврагами и кустарником.
Результат: импортозамещение, точная борьба с угрозой, защита экосистем от химического перенасыщения и остановка распространения ядовитого сорняка.
Казалось бы, рынок дронов перенасыщен. Но готовые решения не работают против борщевика Сосновского.
Проблема: борщевик растет в оврагах, на обочинах, заброшенных полях. Обычные опрыскиватели не видят цели под густой зеленью и травят всё подряд, уничтожая здоровую флору.
Студент БУС-22-31 Шепелев Владислав в стартап-ВКР проектирует платформу с нуля под руководством преподавателей кафедры.
Почему «свой» дрон?
• Точечное распыление: специальный модуль для адресной обработки, попадающий точно в борщевик.
• Сложный рельеф: настраиваем навигацию для маневров на малых высотах над оврагами и кустарником.
Результат: импортозамещение, точная борьба с угрозой, защита экосистем от химического перенасыщения и остановка распространения ядовитого сорняка.
👏2
🚦Архитектура адаптивного управления светофорами
Студент группы БАТ-22 Тимур Сафиуллин продолжает рассказ об интеллектуальной системе управления движением.
Старые светофоры с фиксированными циклами не успевают за трафиком. Наше решение — адаптивное управление в реальном времени. Прототип разработан для перекрёстка Гоголя–Суханова в Стерлитамаке.
Как устроено:
👁 Датчики: камеры с ИИ (считают машины, видят пешеходов), лидары, радары, акустические детекторы спецсигналов, ГЛОНАСС-трекеры.
🧠 Мозг: контроллер ДК-Л, управляемый нейросетями. ИИ прогнозирует загрузку на 5 мин вперёд и даёт команды.
📊 Диспетчер: SCADA Trace Mode 7 для контроля и ручного вмешательства.
☁️ Облако: хранение данных для обучения нейросетей.
Результат: светофоры подстраиваются под реальную ситуацию, учитывая всех участников. Система из отечественных компонентов. Эффект: снижение задержек на 25-45%, ДТП — на 12-18%, скорость приезда скорой +20-25%.
Студент группы БАТ-22 Тимур Сафиуллин продолжает рассказ об интеллектуальной системе управления движением.
Старые светофоры с фиксированными циклами не успевают за трафиком. Наше решение — адаптивное управление в реальном времени. Прототип разработан для перекрёстка Гоголя–Суханова в Стерлитамаке.
Как устроено:
👁 Датчики: камеры с ИИ (считают машины, видят пешеходов), лидары, радары, акустические детекторы спецсигналов, ГЛОНАСС-трекеры.
🧠 Мозг: контроллер ДК-Л, управляемый нейросетями. ИИ прогнозирует загрузку на 5 мин вперёд и даёт команды.
📊 Диспетчер: SCADA Trace Mode 7 для контроля и ручного вмешательства.
☁️ Облако: хранение данных для обучения нейросетей.
Результат: светофоры подстраиваются под реальную ситуацию, учитывая всех участников. Система из отечественных компонентов. Эффект: снижение задержек на 25-45%, ДТП — на 12-18%, скорость приезда скорой +20-25%.
👍2🔥1
Студент группы БАТ-22-31 Ишмуратов Ибрагим продолжает рассказ о проекте "Smart Перекрёсток". Сегодня — об опытном стенде.
Это точный двойник перекрестка Гоголя–Суханова в Стерлитамаке. Стенд моделирует дорожные ситуации и показывает реакцию интеллектуальной системы в реальном времени.
Для создания мы проанализировали расположение, светофорные циклы, маршруты водителей и загруженность. Составили план установки светофоров и датчиков.
Устройство двойника
🔹 Транспорт: радиоуправляемые модели. Отдельный контроллер управляет их движением через пульты на разных частотах.
🔹 Датчики: ультразвуковые (фиксируют трафик и очередь) и микрофонные (сирены спецтранспорта).
🔹 Обработка: данные с датчиков идут на Arduino → Raspberry Pi с ИИ. Нейросеть оценивает обстановку и меняет длительность фаз.
🔹 Визуализация: интерфейс мониторинга показывает, как система "видит" перекрёсток.
Стенд позволяет тестировать алгоритмы без выезда на дорогу, отлаживать реакцию на нештатные ситуации, демонстрировать работу инвесторам.
Это точный двойник перекрестка Гоголя–Суханова в Стерлитамаке. Стенд моделирует дорожные ситуации и показывает реакцию интеллектуальной системы в реальном времени.
Для создания мы проанализировали расположение, светофорные циклы, маршруты водителей и загруженность. Составили план установки светофоров и датчиков.
Устройство двойника
🔹 Транспорт: радиоуправляемые модели. Отдельный контроллер управляет их движением через пульты на разных частотах.
🔹 Датчики: ультразвуковые (фиксируют трафик и очередь) и микрофонные (сирены спецтранспорта).
🔹 Обработка: данные с датчиков идут на Arduino → Raspberry Pi с ИИ. Нейросеть оценивает обстановку и меняет длительность фаз.
🔹 Визуализация: интерфейс мониторинга показывает, как система "видит" перекрёсток.
Стенд позволяет тестировать алгоритмы без выезда на дорогу, отлаживать реакцию на нештатные ситуации, демонстрировать работу инвесторам.
🔥4
💧Современные методы идентификации промышленных сбросов
Чистая вода — основа жизни. Но промышленные аварии случаются, и последствия бывают катастрофическими для людей, рыб и всей экосистемы.
Студентка группы МУС01-24-31 Азылгареева Аделина в своем стартап-проекте разрабатывает интеллектуальную систему идентификации загрязнений на основе нейронных сетей.
Система анализирует пробы воды с помощью машинного обучения и моментально определяет тип загрязняющих веществ.
Почему это важно?
✅ Быстрое реагирование на аварийные сбросы
✅ Точная идентификация загрязнителя
✅ Минимизация ущерба природе
✅ Доступность вместо дорогостоящего импортного оборудования
Главная инновация проекта — возможность оперативно установить не только факт загрязнения, но и его характер без использования сложных поточных анализаторов. Это меняет подход к мониторингу водоемов!
Проект поможет не только выявлять нарушения, но и прогнозировать возможный ущерб окружающей среде. А значит — быстрее принимать меры и сохранять чистоту наших рек.
Чистая вода — основа жизни. Но промышленные аварии случаются, и последствия бывают катастрофическими для людей, рыб и всей экосистемы.
Студентка группы МУС01-24-31 Азылгареева Аделина в своем стартап-проекте разрабатывает интеллектуальную систему идентификации загрязнений на основе нейронных сетей.
Система анализирует пробы воды с помощью машинного обучения и моментально определяет тип загрязняющих веществ.
Почему это важно?
✅ Быстрое реагирование на аварийные сбросы
✅ Точная идентификация загрязнителя
✅ Минимизация ущерба природе
✅ Доступность вместо дорогостоящего импортного оборудования
Главная инновация проекта — возможность оперативно установить не только факт загрязнения, но и его характер без использования сложных поточных анализаторов. Это меняет подход к мониторингу водоемов!
Проект поможет не только выявлять нарушения, но и прогнозировать возможный ущерб окружающей среде. А значит — быстрее принимать меры и сохранять чистоту наших рек.
👍3