Как работает технология машинного обучения в современных системах измерения грузов?

Технология машинного обучения в современных системах измерения грузов работает путём обработки больших объёмов данных и нахождения в них связей между параметрами или событиями. www.bitrix24.ru

Некоторые этапы работы системы:

1. Сбор данных. habr.com Когда груз поступает на склад, его идентифицируют, например, сканированием QR-кода. habr.com Все дальнейшие данные: вес, тип упаковки, габариты, дефекты и так далее, привязываются к этому коду. habr.com
2. Сегментация груза. habr.com Изображения груза обрабатывают моделью сегментации, чтобы определить тип упаковки. habr.com
3. Детекция дефектов. habr.com Система обнаруживает и классифицирует повреждения на упаковке или самом товаре. habr.com
4. Объединение результатов обработки. habr.com Результаты сегментации и детекции объединяются для получения полной картины состояния груза. habr.com
5. Обработка данных. habr.com Анализ результатов сегментации и детекции для дальнейших расчётов. habr.com
6. 3D-визуализация. habr.com Система использует снимки груза для построения его трёхмерной модели. habr.com
7. Определение габаритов груза и подсчёт грузовых единиц. habr.com На основе 3D-модели система рассчитывает размеры груза и количество грузовых единиц. habr.com

Сфера логистики и складских услуг постоянно предъявляет новые требования моделям машинного обучения. habr.com По мере роста компании растёт и число её клиентов, а вместе с ними и типы упаковок и дефекты, которые нужно распознавать системе. habr.com В таких условиях модель, обученная только на старых данных, начинает выдавать неточные результаты. habr.com Решением этой проблемы является дообучение модели. habr.com То есть готовую модель обучают на данных о новых видах дефектов или упаковок. habr.com