Большие нейросети компьютерного зрения мощные, но тяжёлые. Наша работа — превратить их в компактные модули, которые запускаются на ограниченном железе и решают конкретную задачу. Вот как.
1
Модель исполняется локально, на самом устройстве. Это даёт три вещи сразу: работу без интернета, приватность (данные не уходят в облако) и отсутствие платы за облачные запросы. Мы работаем на Raspberry Pi-совместимых платформах (Pi OS) и в среде x86-64 Linux на штатном стеке OpenCV.
2
Под задачу мы подбираем модель и бэкенд инференса. Для расширенного словаря используется современный детектор (семейство YOLO, обучение на крупном наборе классов); для запуска на устройстве без лишних зависимостей — совместимый бэкенд на штатном стеке OpenCV. Выбор бэкенда автоматический, по типу файла модели.
3
Список активных классов, пороги уверенности по классам, приоритеты, разрешение входа, частота кадров, фразы озвучивания — всё это конфигурация. Изменить поведение модуля можно, не трогая исходную архитектуру. Это ускоряет адаптацию под нового заказчика и упрощает поддержку.
4
Модуль читает штатные настройки устройства и использует его штатный канал озвучивания, не изменяя базовое ПО. Ошибочные состояния (нет модели, нет камеры) обрабатываются штатно, с понятным сообщением и диагностическим кодом — без зависания интерфейса.
5
Для серийного внедрения модель оптимизируется под конкретное железо: квантование, экспорт в ONNX/NCNN, снижение разрешения, ограничение частоты кадров. Это отдельный инженерный этап, который мы проходим вместе с заказчиком.
Честно об ограничениях
Качество распознавания зависит от освещения, ракурса, расстояния и вычислительной нагрузки. Мы не обещаем фиксированный процент точности «из коробки» — он подтверждается отдельной методикой тестирования под конкретный сценарий и устройство.
Технологии в деле
Посмотрите, как этот подход реализован в серийном устройстве: совместимый и расширенный режимы (OpenCV DNN, YOLOv8x / Open Images V7), сопоставление классов, оптимизация под платформу и отчётность — в кейсе «Робин-ИИ».
Открыть кейс «Робин-ИИ»Расскажите о своём устройстве или процессе — обсудим, применима ли наша технология и как встроить ИИ-модуль Inc.AI под вашу задачу.
Обсудить задачу