Анализ использования модели OWLv2 для обнаружения объектов в режиме реального времени

Внедрение системы обработки видеоинформации с помощью ИИ для промышленности часто сталкивается с компромиссом между точностью, скоростью, дороговизной и безопасностью. Авторы представляют план и схему работы промышленной ИИсистемы поиска объектов на изображениях в реальном времени с использованием только локальных бюджетных решений из пользовательского сегмента. Введение. Работа описывает структуру промышленной масштабируемой многокамерной системы детектирования объектов в производственном окружении на основе текстовых дескрипторов. В основе системы лежит модель OWLv2 (англ. Open-World Localization Vision Transformer): визуальный трансформер локализации объектов в открытом пространстве. Методы и материалы. В качестве объектов используется видеопоток с различными объектами, которые в дальнейшем должны быть распознаны и определены. Использование открытой модели OWLv2 и ГП Nvidia пользовательского уровня вместе с архитектурой микросервисов позволяет создать гибкое ПО, которое можно масштабировать по мере нужд предприятия, используя единый локальный сервис, полностью изолированный от внешнего мира. Такой сервис, в том числе, позволит в дальнейшем внедрять продвинутые версии моделей, решающих сложные задачи, такие как контроль за качеством композитов без необходимости существенной перестройки сервиса, при этом сохраняя единый API. Система разработана для обработки видеопотока и единичных изображений в реальном времени со множества камер в реальном времени с использованием ускорения на графическом процессоре (ГП), распределенной обработкой задач на Celery и RabbitMQ, централизованной наблюдаемостью с Prometheus, Grafana и Loki. Результаты и обсуждения. Архитектура ставит приоритетом операционную устойчивость, эффективность по стоимости и возможность масштабирования с двух до сотни камер без фундаментального редизайна. Применяя с самого начала децентрализованный, микросервисный подход, проект избегает технического долга и бремени рефакторинга, которые возникли бы при создании монолитной системы и попытке ее последующего распределения. Гибкая облачная система на базе Kubernetes, где каждый компонент независим, масштабируется по потребности и легко поддерживается. Использование MinIO, RabbitMQ, Prometheus, Loki и Celery – хороший выбор для промышленного решения.№