Дорожный мониторинг при помощи бпла
Распознавание и подсчет дефектов дорожного покрытия
Команда проекта
- Кристина РомановаДизайнерСоздала дизайн лендинга.
- Кирилл ЗахаровПрограммистОтвечает за разработку и тестирование
кода проекта. - Анатолий ЛевьевНаставникРаспределяет задачи, следит за их выполнением в заданный срок.
Проблема
Сегодня состояние дорог проверяют в основном вручную. Минусами такого подхода является медленная скорость мониторинга, субъективная оценка качества покрытия, привлечение большого количества рабочих рук. Из-за этого дефекты замечают слишком поздно, когда ремонт обходится в
4-10 раз дороже, чем при плановой профилактике. Ежегодно бюджет теряет около 400 млрд рублей на аварийное латание ям, а дорожные службы получают многомиллионные иски за ДТП.
Источник: новостной портал Pro Город Чебоксары
4-10 раз дороже, чем при плановой профилактике. Ежегодно бюджет теряет около 400 млрд рублей на аварийное латание ям, а дорожные службы получают многомиллионные иски за ДТП.
Источник: новостной портал Pro Город Чебоксары
Актуальность
До недавнего времени автоматический мониторинг дорог оставался дорогим и сложным. Но сегодня нейросети и компактные дроны стали доступны, а государство ужесточило требования к прозрачности расходов на дорожное хозяйство.
Ручные осмотры не дают объективных цифр, так же дорожным службам выгодно фиксировать дефекты документально, чтобы минимизировать числа исков из-за ДТП.
Наш прототип - первый шаг к бюджетной системе мониторинга, которую можно масштабировать на промышленные дроны. Проект отвечает на реальный запрос: рынку нужны недорогие и точные инструменты контроля дорог.
До недавнего времени автоматический мониторинг дорог оставался дорогим и сложным. Но сегодня нейросети и компактные дроны стали доступны, а государство ужесточило требования к прозрачности расходов на дорожное хозяйство.
Ручные осмотры не дают объективных цифр, так же дорожным службам выгодно фиксировать дефекты документально, чтобы минимизировать числа исков из-за ДТП.
Наш прототип - первый шаг к бюджетной системе мониторинга, которую можно масштабировать на промышленные дроны. Проект отвечает на реальный запрос: рынку нужны недорогие и точные инструменты контроля дорог.
- Уникальность идеи: Использование нейросети YOLOv8n для распознавания дефектов с воздуха в реальном времени.
- Удобство использования: Хорошая автономность - дрон пролетает маршрут, а вы видите как он сам распознает ямы в реальном времени
- Более эффективный подход: Выполнение мониторинга вне зависимости от загруженности трафика и текущего состояния покрытия.
Обзор аналогов
Наш проект
№
Существующие решения
Скорость
Точность
1
2
3
4
Ручной осмотр
Низкая
Высокая
Высокая (автономно)
Средняя(в потоке машин)
Спутниковый мониторинг
Наш проект или аналоги(Wheelies)
Дорожные лаборатории (система "Городовой")
Субъективная оценка
Высокая, но дорого
Не видит мелкие ямы
Высокая
Цель:
создать прототип системы автоматического обнаружения дефектов дорожного покрытия на базе дрона Robomaster Tello Talent и нейросети YOLOv8n
создать прототип системы автоматического обнаружения дефектов дорожного покрытия на базе дрона Robomaster Tello Talent и нейросети YOLOv8n
Задачи
- Настройка оборудования и ПОПодготовить дрон, установить нужные библиотеки
- Обучение нейросети и трекингСоздать и разметить датасет с имитациями дефектов дорожного покрытия, обучить YOLOv8n, реализовать алгоритм подсчета дефектов
- Интеграция управления дроном с обработкой кадровНаписать программу, объединяющую полёт, получение видео, детекцию с трекингом и отображение.
- Тестирование и отладкаПроверить работу прототипа в помещении, оценить точность детекции на тестовых образцах, корректность трекинга, настроить параметры нейросети.
Стейкхолдеры
- МАОУДО «Детский технопарк «Кванториум» г. ЧебоксарыСуществующий стейкхолдерОсновные спонсоры нашего проекта.
- Дорожные службыПотенциальный стейкхолдерМогут быть заинтересованы в развитии проекта как основы для системы объективного мониторинга с меньшими затратами и безопасным обследованием.
- Фонд венчурных инвестиций Чувашской РеспубликиПотенциальный стейкхолдерПроект способствует развитию инновационных компетенций машиностроительных предприятий.
Этапы работы над проектом
Подготовительный
- Определение проблемы до 12 января
- Постановка целей и задач до 15 января
- Выбор оборудования до 20 января
- Изучение библиотек (djitellopy, OpenCV, ultralytics) до 12 февраля
Основной
- Сбор и разметка датасета с имитациями дефектов дорожного покрытия до 24 февраля
- Обучение модели YOLO8n до 13 марта
- Разработка скрипта управления дроном до 25 марта
- Интеграция детекции и трекинга до 7 апреля
- Создание полного цикла мониторинга до 18 апреля
Заключительный
- Тестирование прототипа в помещении до 22 апреля
- Отладка ошибок, оценка точности детекции и корректности трекинга до 26 апреля
- Подготовка презентации, документации и демо-материалов до 8 мая
Экономика проекта
Стоимость прототипа:
- Дрон Robomaster Tello Talent ~ 50 000 руб.
- Зарядная станция ~ 1500 руб.
- Ноутбук ~ 50 000 руб.
- Программное обеспечение ~ 60 000 руб.
- Бесплатная лицензия AGPL-3.0 (модели от Ultralytics)
- Общая стоимость прототипа ~ 150 500 руб.
- Промышленный дрон (Mavic 2 Enterprise / аналог) - от 300 000 руб.
- Одноплатный ПК Raspberry Pi 3 - от 9000 руб.
- GPS-модуль, геопривязка, ГИС-интеграция - 150 000 руб.
- Разработка ПО для автоматического планирования маршрутов и отчётности - 200 000 руб.
- Консультации специалистов по авионике и компьютерному зрению
- Юридическое согласование полётов в городской черте
Промежуточные результаты
Разработали прототип системы
Провели испытание в контролируемых условиях и подтвердили его работоспособность
Получили опыт проектной деятельности и навык работы в команде
Артефакты проекта
Прототип системы на базе дрона Robomaster Tello Talent и нейросети YOLOv8n
Контакты