Программа «Большие вызовы» объединяет молодых ученых

В 2023 году программа «Большие вызовы» проходила в восьмой раз. 400 школьников из 70 регионов страны встретились в финале для защиты научно-технологических проектов. Участники представили более чем 70 проектов по 13 направлениям, таким как биотехнологии, беспилотный транспорт, большие данные и искусственный интеллект, космос, нанотехнологии, умный город и др. Дети разрабатывали новые лекарства, создавали цифровые помощники для постановки диагнозов, системы для противодействия мошенникам, запускали спутники, проектировали роботов и погружались в решение актуальных для страны задач.
Молодые ученые три недели работали под руководством опытных наставников. Партнерами программы выступили эксперты ведущих компаний и вузов России — VK, ОЦРВ, АО «Гринатом», «Ростелекома», Университета «Сириус», МФТИ и др.

Конкурс проводится ежегодно. Принять участие в нем могут все желающие ученики 7 — 11 классов и учреждений среднего профессионального образования, интересующиеся научной или исследовательской деятельностью.

«Большие вызовы» – это всероссийский конкурс научно-технологических проектов для старшеклассников, которые занимаются научной или исследовательской деятельностью под наставничеством опытных экспертов и ученых. Организаторами конкурса являются образовательный фонд «Талант и успех» и Научно-технологический университет «Сириус». По итогам лучшие конкурсанты стали участниками научно-технологической образовательной программы «Большие вызовы», которая прошла в «Сириусе».

Помимо опыта работы над реальными проектами и общения с экспертами, дети получают преимущества для успешного старта карьеры:

• 10 дополнительных баллов при поступлении в вуз;
• попадание в государственный информационный ресурс о лицах, проявивших выдающиеся способности (ГИР);
• возможность получения грантов Президента Российской Федерации
• участие в научных мероприятиях «Сириуса»;
• стажировки в подразделениях фонда «Талант и успех» и компаний – резидентов ИНТЦ «Сириус»;
• поступление в экспериментальный IT-бакалавриат Университета «Сириус» без экзаменов.

Организаторы, вузы и компании-партнеры, в свою очередь, могут выбрать тех звезд, с которыми они готовы развивать современную науку.

Автор проекта рассматривает актуальную проблему диагностики состояния подшипников качения. Эти узлы применяются в различных видах оборудования: электродвигателях, подъемно-транспортной и сельскохозяйственной технике, самолетах, локомотивах, вагонах, металлорежущих станках и многих других механизмах.

Основная задача подшипников – фиксировать вращающуюся деталь, позволяя ей при этом осуществлять как вращение, так и простое линейное перемещение с минимально возможным коэффициентом трения поверхности. До 90% отказов вращающихся машин происходит из-за дефектов подшипников качения. В связи с этим чрезвычайно важно контролировать состояние подшипников и вовремя реагировать на возможную неисправность.

Цель проекта – создать метод диагностики состояния подшипников на основе нейронной сети и изображений SDP (Scattered Dot Pattern).

Разработчики изучили проблему диагностики, выявили возможные типы неисправностей, проанализировали аналогичные способы мониторинга. Принцип работы основан на преобразовании вибраций в изображения. Распознавание изображений происходит через специальный тип нейронных сетей – сверточную нейронную сеть (CNN). Полученные изображения SDP позволяют увидеть различия в технических параметрах, что подтверждает наличие дефектов.

Экспериментальные данные получены в НИЛ технической самодиагностики и самоконтроля приборов и систем Южно-Уральского государственного университета. Результаты показали, что нейронная сеть с высокой вероятностью корректно распознает сигналы, а также верно определяет тип дефекта. Ключевое достоинство предложенного механизма – невысокие вычислительные затраты за счет построения SDP-изображений.

Подсчет городского трафика – это важная часть анализа транспортной системы. Нередко способы сбора данных основаны на обработке вручную – по записям видеокамер или непосредственно на локации. Это не позволяет анализировать большой объем информации в режиме реального времени.  
Сферы применения: улучшение дорожной инфраструктуры, обновление светофоров, оптимизация маршрутов общественного транспорта.

Цель проекта – создание высокоточной автоматизированной системы подсчета городского трафика, способной быстро и эффективно обрабатывать большой объем данных из открытых источников.

Авторы проекта используют нейросеть YOLOv4-tiny. Для доработки модели взяты данные с камер в Рязани.

Этапы работ:

• Создание датасета из видеофайлов
• Разметка данных
• Обучение нейросети для классификации объектов на видео (пешеходы, велосипеды, мотоциклы, легковые и грузовые автомобили, общественный транспорт).
• Разработка структуры базы данных
• Разработка сайта с удобным интерфейсом и визуализацией данных

На сайте есть карта для выбора точки отслеживания трафика. Пользователь может получить доступ к графикам за различные промежутки времени – день, неделя, год. Для удобства можно выбирать типы объектов – автомобиль, пешеход, велосипед.

Что обеспечивает новая разработка?

◆ Точность подсчета трафика выше существующих методов расчета

◆ Обработка данных в реальном времени

◆ Открытый доступ к информации

Проект также был представлен на конкурсе «Большая разведка», где получил специальный приз от компании «Метафракс Кемикалс».

Акселератор «Большая разведка» – программа поддержки проектных команд и студенческих инициатив для разработки инновационных продуктов в рамках реализации федерального проекта «Платформа университетского технологического предпринимательства» государственной программы «Научно-технологическое развитие Российской Федерации».

К разработке уже проявили интерес ФГБОУ ВО «Рязанский государственный агротехнологический университет имени П.А. Костычева» и ООО «Фикстрафик» (Рязань).

По данным Министерства здравоохранения РФ, на конец 2022 года в стране не хватало до 25 тыс. врачей и 50 тыс. среднего медицинского персонала.

Решением данного вопроса могут стать роботы-ассистенты. Цель проекта – создать прототип мобильного робота для помощи медицинскому персоналу при уходе за пациентами.

Функциональность робота-ассистента:

• Запись данных пациентов
• Видеосвязь «врач – пациент».
• Считывание жизненно важных данных пациента: температуры тела, пульса, уровня кислорода в крови
• Перевозка вещей между сестринскими пунктами
• Показ сообщений лечащего врача на сенсорном дисплее

В результате работы создан прототип, состоящий из мобильной платформы, сменного блока-подлокотника и подъемного механизма. Уникальные детали смоделированы и изготовлены методом 3D-печати. Робот оснащен видеокамерой, дисплеем и датчиками.

Собственная материнская плата управляет моторами и считывает данные с датчиков. Робот может различать объекты, человека и части тела. Для распознавания используются камера и алгоритмы компьютерного зрения. Вторая камера необходима для видеосвязи «врач – пациент».

В робота заложен алгоритм, позволяющий ему независимо от персонала стабильно выполнять свои функции. Благодаря лазерным датчикам робот может двигаться по помещению, не врезаясь в препятствия.
Робот-ассистент может взять на себя часть простейших монотонных манипуляций, которые отнимают много времени и сил. Это облегчит труд медицинского персонала и позволит сосредоточиться на здоровье пациентов

Для трансляции мероприятия с несколькими спикерами нужна профессиональная работа оператора, который постоянно перемещает камеру с одного оратора на другого. Оператор не всегда успевает среагировать и перевести камеру на нужного человека. Чтобы это исключить, специалисты чаще всего фокусируются на удаленной съемке. И зритель выбирает сам, на ком остановить взгляд. Но в этом случае теряется выражение лица выступающих.

Цель проекта – разработка технологии, способной следить за лицом на видео.

Программа Witch с помощью искусственного интеллекта определяет лица всех спикеров. Пользователь выбирает интересующего его человека и следит только за ним. Технология позволяет работать как онлайн, так и с записанным видео.

В основе разработки лежит нейросеть CenterNet. Эта нейросеть является сбалансированной с точки зрения времени и точности распознавания объектов. Первичная целевая аудитория проекта – это телекомпании.

Алгоритм работы:

• При включении видео нейросеть определяет лица всех спикеров, выделяя их и нумеруя
• Пользователь выбирает лицо, на котором хочет держать фокус
• На экране появляется лицо выбранного спикера. В случае необходимости можно вернуться к предыдущему шагу и выбрать другое лицо

«На телевидении программу можно использовать в автоматизации трансляций и на съемках больших мероприятий», – отметил начальник ПТО ГТРК «Регион-Тюмень» Евгений Лекомцев.

Железная дорога – это зона повышенной опасности, где важно соблюдать особые меры предосторожности. В 2022 году на объектах железнодорожного транспорта погибло 1298 человек, 77 из них – дети. К таким жертвам приводит невнимательность и незнание техники безопасности. Очень часто и взрослые,  и юные пассажиры просто не понимают значения железнодорожных указателей и игнорируют их.

Цель проекта – создать прототип веб-приложения для распознавания знаков безопасности на объектах железной дороги. Проект объединяет несколько технологий: дополненную реальность, компьютерное зрение и мобильную разработку.

Прототип приложения включает три окна взаимодействия с пользователем:

• «Режим дополненной реальности». Пользователи распознают знаки безопасности с помощью технологии компьютерного зрения.
• «Инфо» предоставляет развернутую информацию о знаках (где и почему устанавливается конкретный знак, совет по безопасности).
• Окно «Библиотека» содержит весь набор знаков безопасности. Пользователь может ознакомиться с любым из них.

Для удобства в приложении можно реализовать функцию озвучивания информации. Дальнейшие перспективы проекта связаны с внедрением  технологии на детских железных дорогах, где будущие железнодорожники пройдут интерактивное обучение и отработают полученные навыки.