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
✨ 26 февраля студенты под руководством доцента Шулаевой Е.А. провели профориентационную встречу для школьников! Кафедру АТИС посетили учащиеся 9 школ (СОШ 1, 5, 7, 10, 16, 18, 19, 23, 30). Нас встретили 166 энтузиастов, желающих узнать о техническом образовании.
🎓 Ребята окунулись в мир высоких технологий, ощутили атмосферу УГНТУ и пообщались со студентами и преподавателями. Участники узнали о передовых разработках в автоматизации и получили ответы на вопросы о поступлении и карьере.
⚙️ Такие встречи помогают абитуриентам осознанно выбрать профессию, увидеть перспективы обучения в ИХТИ и понять, что здесь они смогут реализовать свой потенциал!
📷 Фотоальбом с мероприятия: https://vk.com/album-202325011_310246240
🎓 Ребята окунулись в мир высоких технологий, ощутили атмосферу УГНТУ и пообщались со студентами и преподавателями. Участники узнали о передовых разработках в автоматизации и получили ответы на вопросы о поступлении и карьере.
⚙️ Такие встречи помогают абитуриентам осознанно выбрать профессию, увидеть перспективы обучения в ИХТИ и понять, что здесь они смогут реализовать свой потенциал!
📷 Фотоальбом с мероприятия: https://vk.com/album-202325011_310246240
🔥4👏1
🔥Пожар в высотке: что не может обычная техника?
🏢Высотное строительство растет, но тушить такие здания сложно: лестницы достают лишь до 50 метров, а напора воды для верхних этажей не хватает.
💨Студент БАТ-22-31 Сидоров Виктор разрабатывает дрон с пожаротушащим снарядом для точного поражения очагов в высотках, куда не дотягиваются лестницы.
Где спасают дроны?
✅ Фасадные пожары: Дрон пробивает обшивку и доставляет состав в зону горения.
✅ Плотная застройка: Когда технику не развернуть, дрон поднимается вертикально к окнам.
✅ Пробивка преград: Снаряд пробивает стеклопакеты внутрь помещения.
Результат: Вместо часов подъема — «удар с воздуха» за минуту. Дрон снижает интенсивность огня, создает безопасные условия для пожарных и контролирует скрытые очаги тления после тушения.
🏢Высотное строительство растет, но тушить такие здания сложно: лестницы достают лишь до 50 метров, а напора воды для верхних этажей не хватает.
💨Студент БАТ-22-31 Сидоров Виктор разрабатывает дрон с пожаротушащим снарядом для точного поражения очагов в высотках, куда не дотягиваются лестницы.
Где спасают дроны?
✅ Фасадные пожары: Дрон пробивает обшивку и доставляет состав в зону горения.
✅ Плотная застройка: Когда технику не развернуть, дрон поднимается вертикально к окнам.
✅ Пробивка преград: Снаряд пробивает стеклопакеты внутрь помещения.
Результат: Вместо часов подъема — «удар с воздуха» за минуту. Дрон снижает интенсивность огня, создает безопасные условия для пожарных и контролирует скрытые очаги тления после тушения.
🔥3
☀️ Тепловизор vs Камера. Как дрон «диагностирует» солнечные панели
Студент группы БУС-22-31 Ярмиев Мурат продолжает знакомить с деталями своего проекта. Как беспилотник «видит» неисправности? Секрет — в паре глаз: обычная камера и тепловизор работают в тандеме.
🟢 Обычная камера
Фиксирует видимые повреждения: трещины, грязь, коррозию, затемнение панелей. Это базовый осмотр, но он не показывает внутренние проблемы.
🔴 Тепловизор
Главный инструмент диагностики. Он фиксирует температуру панелей и мгновенно показывает «горячие точки»:
• Перегрев ячеек — признак короткого замыкания.
• Холодные участки — обрыв цепи.
• Аномальный нагрев модулей — проблемы в соединениях.
🤖 Дрон снимает в двух спектрах. Данные поступают в нейросеть, которая анализирует их отдельно и сопоставляет. Система отличает реальные дефекты от бликов солнца или нагрева земли.
💡 Тепловизор видит скрытые проблемы. Камера подтверждает внешние признаки. Вместе они находят неисправности до того, как те приведут к серьезным потерям энергии.
Студент группы БУС-22-31 Ярмиев Мурат продолжает знакомить с деталями своего проекта. Как беспилотник «видит» неисправности? Секрет — в паре глаз: обычная камера и тепловизор работают в тандеме.
🟢 Обычная камера
Фиксирует видимые повреждения: трещины, грязь, коррозию, затемнение панелей. Это базовый осмотр, но он не показывает внутренние проблемы.
🔴 Тепловизор
Главный инструмент диагностики. Он фиксирует температуру панелей и мгновенно показывает «горячие точки»:
• Перегрев ячеек — признак короткого замыкания.
• Холодные участки — обрыв цепи.
• Аномальный нагрев модулей — проблемы в соединениях.
🤖 Дрон снимает в двух спектрах. Данные поступают в нейросеть, которая анализирует их отдельно и сопоставляет. Система отличает реальные дефекты от бликов солнца или нагрева земли.
💡 Тепловизор видит скрытые проблемы. Камера подтверждает внешние признаки. Вместе они находят неисправности до того, как те приведут к серьезным потерям энергии.
🔥1