Менеджер: г-н Амейя Джатар
Наставники: г-н Сету Дабхи / г-жа Рупали Рана

О Гриффин Роботех

Griffin Robotech — дальновидная и инновационная организация, которая стремится предоставлять исключительные услуги и новаторские продукты. Компания твердо верит в силу искусственного интеллекта, робототехники и техники для улучшения жизни людей во всем мире.
С 2018 года компания Griffin Robotech зарегистрирована в рамках программы Startup India, а приверженность правительства Индии робототехнике сделала Юго-Восточную Азия — новый мировой лидер в области промышленной робототехники.

Я работаю в Griffyn Robotech уже около 4 месяцев в качестве стажера в области машинного обучения и компьютерного зрения.

Мои проекты

Автоматический робот для очистки ствола

До сих пор артиллерийские стволы чистили вручную, и этот процесс занимал несколько часов. Это не только неэффективно, но и несовершенно, поскольку выполняется вручную. Предлагаемое решение — робот, оснащенный камерой, светом, зубчатой ​​щеткой, тряпкой для мытья полов и смазочными спреями, который ползает по стволу и тщательно его очищает.

Инспекционный бот

Если ствол пистолета не очищен должным образом или имеет определенные дефекты, которые не были обнаружены при визуальном сканировании с помощью бороскопа, это может привести к обратному выстрелу из пистолета. Чтобы предотвратить это, решением является инспекционный бот, оснащенный камерой для определения областей дефектов и точечным лазером, который измеряет глубину поверхности с точностью до 100 микрон.

*Не фактическое изображение проекта

Глубокое зрение

Это используется в обратной логистике, когда машина захватывает изображения устройств со всех 6 сторон и передает их в модели глубокого обучения для прогнозирования дефектов и оценки устройства. Это сводит к минимуму вмешательство человека и является более точным, чем присутствие человека на месте, который может оценивать устройства вручную.

Мои роли и обязанности

Изучение способов получения лучших результатов при выявлении дефектов в стволах оружия только с помощью камеры.
Использование обработки изображений для преобразования изображений стволов в плоские изображения для простоты использования в пользовательском интерфейсе приложения.
Внедрение глубокого обучения моделей для обнаружения дефектов и настройки конвейера обработки данных и логических выводов.
Моделирование трехмерных облаков точек бочек с дефектами и тестовых случаев для науки о данных.
Использование моделей UNet с несколькими выходами для обнаружения царапин и оценки устройств на в то же время.

Ключевые проблемы

Локальная передача видеоданных в режиме реального времени была сложной задачей из-за аппаратных ограничений, в конечном итоге модуль Nvidia Xavier был использован для включения потоковой передачи RTSP. Новые технологии исследуются для более осуществимого решения.

Коррекция и калибровка искажения объектива камеры: необходима механическая центровка камеры, поиск способов компенсации радиуса объектива и углового смещения.

Освещение и выбор линз были важной и сложной задачей. Было проведено множество POC и исследований, чтобы найти оптимальные настройки, и мы продолжаем искать возможности для улучшения.

Моделирование миллионов точек в трехмерном облаке точек с аппаратными ограничениями. Исследовал оптимизацию кода и использование различных структур данных для него.

Мой опыт стажировки

Познакомившись со многими новыми программами и технологиями, такими как Nvidia Jetsons, Pytorch, GStreamer, Open3D и другими, я смог еще больше развить свои навыки и понимание того, как проекты создаются, постоянно интегрируются и развиваются. Изучение всего этого из первых рук было очень полезным и мотивировало меня учиться больше и усерднее работать над решением реальных проблем. Я хочу продолжать учиться у таких замечательных команд и продолжать оттачивать свои навыки.

Ваше здоровье!