Бюджет: 20000 UAH Термін: 30 днів
Добрий день!
Проект цікавий, маємо кейси СV та ML з виробництвами. Будемо раді обговорити співпрацю
Вітаю!
Ми шукаємо технічного партнера або інженерну команду для розробки автоматизованої системи дефектоскопії та оптимізації розкрою цінних порід деревини (дуб, ясен).
Склад проєкту:
1. Machine Vision: Автоматичне розпізнавання дефектів (сучки, тріщини, заболонь) на дошці за допомогою промислових камер.
2. Алгоритм оптимізації: Побудова карти розкрою на основі ШІ, що максимізує вартість виходу продукції (з урахуванням сортності, розмірів та актуальних цін).
3. AR-проекція: Візуалізація карти розкрою за допомогою проектора безпосередньо на поверхню дошки для роботи оператора.
Деталі проєкту:
• Локація: Сату-Маре, Румунія.
• Технологічний стек: Computer Vision (OpenCV, YOLO), промислова автоматизація, інтеграція AR.
• Поточний стан: Ми маємо чітке розуміння технологічного процесу та готові надати набори даних (datasets) для навчання нейромережі.
Шукаємо експертів, які мають досвід розробки систем технічного зору та інтеграції з обладнанням.
Чи зацікавлені ви в обговоренні технічних деталей та попередній оцінці вартості реалізації такого прототипу?
Бюджет: 20000 UAH Термін: 30 днів
Добрий день!
Проект цікавий, маємо кейси СV та ML з виробництвами. Будемо раді обговорити співпрацю
Бюджет: 1000 UAH Термін: 1 день
я входжу до топ-5 розробників у категорії «Штучний інтелект і машинне навчання» серед ~2100 фахівців на платформі.
Гарантую:
- Швидке та якісне виконання завдання
- Чітке дотримання дедлайнів
- Регулярний зв'язок протягом усього процесу
Буду радий обговорити деталі вашого проекту у приватних повідомленнях.
Бюджет: 20000 UAH Термін: 20 днів
Вітаю! Ваш проєкт — це надзвичайно перспективне поєднання Computer Vision та промислової автоматизації і я дуже хочу за нього взятися
Технічне бачення реалізації:
Machine Vision (YOLO/OpenCV): Для детекції дефектів (сучки, тріщини) я пропоную використовувати архітектуру YOLOv8 або v10. Вона забезпечує високу точність у real-time режимі. Використання ваших датасетів дозволить швидко навчити модель на специфіку дуба та ясена.
Алгоритм оптимізації: Реалізую логіку "Cutting Stock Problem" з урахуванням сортності. ШІ буде не просто шукати порожнечі, а прораховувати комбінаторику заготовок для максимального ROI на основі вашого прайс-листа.
AR-проекція: Для візуалізації використаю калібрування камери та проєктора (Homography). Це дозволить накладати сітку розкрою на дошку з точністю до міліметра, що критично для цінних порід.