ITQS - Gépi látás és mesterséges intelligencia

2022. május 21. 8:45
Írta: Matus Tibor
Április 5. és 9. között rendezték meg Mostarban a 23. Nemzetközi Gazdasági Vásárt, amelyen Magyarország partnerországként vett részt. Hazánkat Mostarban 24 vállalat képviselte, amelyek megjelenését a HEPA Magyar Exportfejlesztési Ügynökség támogatta és szervezte. A vásáron a MÁV-nak, a MOL-nak a SAP-nak is beszállító IT Quality Services (ITQS) tevékenységét, kutatási eredményeit is megismerhettük.
A bosznia-hercegovinai Mostarban, a nemzetközi vásárt Szijjártó Péter nyitotta meg. A vásáron beszélgettünk a Control-X Medical,  az Agrofeed Kft, a Mouldtech Systems, az STS Gruop csoport és az ITQS képviselőivel, illetve Ratko Jojoviccsal Montenegróból.

A vállalat élvonalbeli technológiát kínál a gépi látás, a mobil térképezés és a mesterséges intelligencia területén. Az ITQS 2002-ben alakult informatikai fejlesztő cégként, 7 éve pedig, még idejében felismerve az ipari trendeket, kutatás-intenzívebb tevékenységbe kezdett, elsősorban a térinformatika és mesterséges intelligencia területén. Azóta is számos nagyvállalati partnerrel működik együtt és szállít magas hozzáadott értékű, intelligens megoldásokat. Partnereik között van többek között: E.On Hungária csoport, 4iG Nyrt., MÁV, MOL, Microsoft Magyarország, SAP Magyarország. A Mostari Expóra több innovációval érkeztek.

A mostari kiállításon nem lehetett nem észrevenni egy kis autót, tetején négy dobozkával. Kameráknak tűntek. De ami még szembetűnőbb volt, az a dobozokon elhelyezett egy-egy fém tükörlap. A laikus nézelődőnek fogalma sem lehetett arról, mire szolgálhatnak, így csak abban lehetett biztos, hogy valami nagyon modern dologról van szó. A kiállítás folyamán sikerült beszélgetnünk az autó gazdájával, aki elárulta a titkot.

Varga Bálint, az IT Quality Services Kft. (ITQS) ügyvezetője elmondta, alapvetően gépi látással és mesterséges intelligenciával foglalkoznak. A vállalatot 2002-ben alapították. Akkor még klasszikus informatikával indultak, azon belül is inkább üzemeltetéssel, rendszerszervezéssel foglalkoztak, elsősorban banki és telekommunikációs ügyfelek számára. A 2008-as válság erőteljesen beszűkítette ezt a szegmenst, ezért részben váltaniuk kellett, és a közlekedési informatika felé fordultak, az utas-tájékoztatás, a forgalomirányítási rendszerek felé. Például a T-Systems-szel együtt ők szerelték fel a BKK gumikerekes járműveit (buszokat, trolikat) is.

Felügyeleti támogatás

A gépi látás és a mesterséges intelligencia 5-6 éve került a cég fókuszába. Több alapkoncepcióval, termékkel is foglalkoznak egyszerre.

Az egyik alapgondolatuk az volt, hogy megoldást találjanak a nagykiterjedésű infrastruktúrák, mint az út, vasút vagy az áramhálózatok felügyeletének támogatására.

Abból indultak ki, hogy ezek bejárásához rengeteg emberi erőforrásra, rengeteg időre van szükség, miközben a hibalehetőség meglehetősen nagy. A modern korban, ha valamire kevés az ember, akkor érdemes a feladatra gépet találni, valamiképp automatizálni a folyamatot. Az ITQS ügyvezetője nem állítja, hogy megtalálták erre a gépet, a végső megoldást, csupán elkezdték a munkát, és számos jelentős részeredményt sikerült felmutatniuk.

A vásáron feltűnést keltett csodamasina is egy szenzorrendszert rejt [VB1] magában, ami a szabadvezetékes áramhálózat ellenőrzésére szolgál. A kocsi tetejére nagy felbontású kamerákat építettek, amelyek lézerszkennerrel vannak összekalibrálva. Az elkészült képeken lévő objektumokat pedig a későbbiekben mesterséges intelligenciával vizsgálják.

A módszer elméleti alapja a LIDAR (Light Detection and Ranging), magyarul lézer alapú távérzékelés. A szerkezet fénynyalábokat lövell ki, amelyek egy adott tárgyról visszaérkezve pontfelhőt alakítanak ki. Ez már mérhető, azaz a mesterséges intelligencia számára matematikailag értelmezhető. Ha mindezt összevetik a nagyfelbontású képekkel, akkor utólagosan még további vizuális hibákat is képesek keresni. Persze a képeket már nem az emberi szem vizslatja, hanem ezen a ponton belép a mesterséges intelligencia. Például egy villanyvezetéken valamilyen konstrukciós hibát, törést, nagyobb repedést vagy a szigetelőporcelánok csorbulását könnyen felfedezi a rendszer.

Járműfedélzeti szenzorok által gyűjtött adatok

Ez a példa jól mutatja, hogy milyen megoldásokat alkalmaznak. Ezeket számtalan más területen is használhatják. Például a MÁV-val együtt egy sikeres kutatásfejlesztési projektet vittek végig: a menetrend szerinti vasúti járművekre szerelt szenzorokkal gyűjtöttek adatokat, amely során néhány objektumot és hibatípust kerestek. A koncepció az volt, hogy mivel a vonat amúgy is közlekedik, akkor miért ne vizsgálhatná egyben azt is, milyen hibák lehetnek az elektromos vezetékekben vagy a sínekben. A projekt során a felsővezeték hibáit próbálták előre jelezni, hiszen könnyen bekövetkezhet egy szakadás, ami akár több órás járatkiesésekhez is vezethet. Maga a felsővezeték meghatározott módon van kifeszítve, és ha a rögzítés egy hibahatáron kívül eltér a normálistól, akkor ez idővel szakadáshoz vezet.

Más ritmusban dolgozni

Bizonyára nem lehetett egyszerű a megszokott programozásról hirtelen más szakterületek felé fordulni – vetem fel. A közösségi közlekedési projektek során 20-30 emberrel dolgoztak együtt, akik munkavégzésének nagy része szerelésből állt. De az új terület miatt teljesen át kellett alakítani a munkaerő-struktúrát. Itt már több a szoftverfejlesztési feladat, meg kellett találni a megfelelő személyeket, hogy a szenzorbeépítéstől kezdve az adatfeldolgozáson keresztül az üzleti riport elkészítéséig mindenre legyen megfelelő ember.

A gépi látással begyűjtött adatok nagy része nem releváns, valójában azt is ki kell szűrni, hiszen ha nem tennék, akkor olyan adatmennyiség keletkezne, amivel már nem lehetne mit kezdeni. Ahogy az ITQS ügyvezetője mondja, egy perc alatt jó pár gigabájtnyi adatot gyűjtenek össze, és hogy még jobban összezavarjon, azt is hozzáteszi, hogy a lézerszkenner látószöge, a frusztum pozíciója, a mozdony haladásával folyamatosan változik, így az objektumról egyszerre több kép is készül. Innen pedig már a nagysebességű grafikus processzorokon a sor, hogy mindebből értelmezhető információt tudjanak kinyerni. 

Mesterséges intelligencia – mi is az?

Kicsit képet kapok a mesterséges intelligenciáról is, ami nem egy egyszerű, programozó agyából kipattanó program, hanem olyan algoritmus, amely öntanulásra képes. Egy minőségellenőrzési folyamaton mutatja be a cégvezető, ahol a csomagolási folyamat előtt keresnek különböző hibákat, eltéréseket egy adott terméken. A legtöbben azt gondolnánk, a mesterséges intelligencia olyan, hogy kifejlesztették, bekapcsoljuk, és rögtön működik, esetleg még kisebb javításokra szorul. Ez nem teljesen így van.

A mesterséges intelligencia modellje nagyon hasonlatos az emberi tanulási folyamathoz,

mintákat kell mutatni neki, meg kell tanítani, milyen hibákat kell tudnia észrevenni az adott környezetben – azaz meg kell tanulnia észrevenni a finn mesterlövészt a havas tájban. Nem csak a konkrét objektumra kell fókuszálnia, az se mindegy, hogy milyen környezetben vizsgálódik. Tehát a meglévő adatbázisra ki kell alakítani egy neurális hálózat alapú modellt, amely képes észrevenni a hibákat, valamilyen bizonyossággal.

A szakember figyelmeztet arra, hogy

a hibafeltárás soha nem lesz száz százalékos.

Sokéves tapasztalata szerint elsőre 60-70 százalékos bizonyosság érhető el, ami aztán a továbbfejlesztés során javítható. Persze a kliens 99 százalékos bizonyosságot szeretne, de ehhez mindig további csiszolgatás szükséges. Az lenne az ideális, ha már az alacsonyabb fokozatban dolgozhatna a gép, a további fejlesztés pedig a munka folyamatában valósulna meg.

Az is lényeges kérdés, hogy az ilyen típusú hibákat az emberi szem milyen hatékonysággal tudja feltárni. Varga Bálint szerint

mindenki tisztában van azzal, hogy az ember nem száz százalékos, de tudat alatt mindenki száz százalékosra taksálja magát. Valószínűsíti, hogy az ember is hozza a maga hetven százalékos eredményét.

De igazából a hibrid módszer a jó megoldás, ha létezik eszköz, amivel hetven százalékos valószínűséggel megleljük a hibákat, és azt összekombináljuk az ember hetven százalékos képességeivel. Ebben az esetben nagyobb a visszacsatolási lehetőség, ami tovább segíti a mesterséges intelligencia tanulási folyamatát. Az is baj, ha a gép túldetektál, azaz azt is hibának tünteti fel, ami valójában nem hiba. Az egész folyamatot a modern autók sávtartójához hasonlítja, amely ideális körülmények között 80 százalékban valóban a sávok között tartja a járművet. A maradék húsz százalék miatt kell mégis folyamatosan a volánon tartani a kezünket, és rém idegesítő, ha akkor is reagálni akar a szerkezet, amikor sávot szeretnénk váltani.

Partnerekkel terveznek

Az IT Quality Services kutatásfejlesztési projektjében az imént leírtakhoz hasonló alapokra támaszkodva a Szegedi Tudományegyetemmel, a Pannon Egyetemmel, illetve az Optimal Optik Kft.-vel közösen valósítottak meg egy közúti hibakeresési projektet.

Útkörnyezet objektumok kategorizálása lézerszkennelt pontfelhőn

A fent leírt gyártás minőség-ellenőrzési megoldásaik is működnek már a gyakorlatban, illetve nemrégiben az E.ON Hungária csoportnak fejlesztettek ki egy a mobil telefonon működő gépi látást támogató modult, ami automatikusan leolvassa a mérőórák gyári számát, minden fontos skálaértékét, ezeket kiértékeli, és így küldi be a központba. Ezt megoldást az E.ON már másfél éve használja.

Nemzetközi piacralépés

Varga Bálint úgy véli, termékeik elérték azt a fejlettségi szintet, amivel már kiléphetnek a nemzetközi piacra is. Magyarországon elindították ezt a folyamatot, de tudatában vannak, hogy a nagy infrastruktúrákat üzemeltetők piaca csupán néhány, főképp állami szereplőből áll, ezért mindenképp szeretnének a nemzetközi piacra is kitörni. Nagy segítséget jelent számukra a HEPA-tól elnyert exporttámogatás, miközben első lépésként a nyugat-balkáni régióra fókuszálnának. Ennek keretében jelentek meg a mostari kiállításon is, illetve számos további eseményen tudnak részt venni, oktatáson, vállalatok közötti találkozókon. Örömmel fogadják ezeket a lehetőségeket, hogy minél előbb érjenek el külpiacon is üzleti sikereket. Terveik szerint a HEPA segítségével eljuthatnak a Közel-Kelet legnagyobb infokommunikációs szakkiállítására, a GITEX-re is.

További felhasználási lehetőségek

Felvetem, hogy ezzel a szerkezettel akár a homokszemeket is meg lehet számolni a sivatagban, mire kapom is a választ, hogy ezen technológiák alkalmazása a föld, iszap és egyéb nagytérfogatú anyagok köbözésére is kiválóan alkalmas. Ezen a kiállításon is megkeresték őket mederkotrás kérdésében, amit el is tudnak vállalni, hiszen itt az 5-10 százaléknyi hiba egy lakótelep-nagyságú tévedést jelenthet.

Termékeik értékesítése bizony hosszabb ideig tart, mint egy befutott termék esetében. Az ITQS ügyvezetője szerint az ügyfeleket vagy direkt módon lehet elérni, vagy keresni kell egy, a területet jól ismerő lokális partnert; ebben szintén számítanak a HEPA-val való együttműködésre. Tavaly Skipben és Skopjéban a magyar külgazdasági attasé beiktatásakor részt vehettek a külügyi delegáció üzleti küldöttségében, ahol számos tárgyalást készített elő számukra a HEPA, és ezek többsége előremutató fázisban van.

A konkurenciára vonatkozó kérdésemre Varga Bálint kérdéssel válaszol, mert szerinte inkább az a kérdés, hogy ki hol tart.

Ők egy egész folyamatot felvállaltak, a méréstől a szenzorfejlesztésen át a kész üzleti riportig,

ami annyi részfeladatot ölel fel, hogy hasonló konkurensről nincs is tudomásuk.

Bár számomra egy kezdő startupnak tűnik az egész, Varga Bálint leszögezi, hogy láttunk már olyan startupokat, akik nagyot „mentek” egy-egy világújdonsággal, az ITQS-nek is van a tarsolyában olyan fejlesztés, ami komoly elismerést hoz majd a cégnek és Magyarországnak is. Tevékenységeik közül több piaci szempontból is jelentős bevételt generál, a fejlesztés alatt álló termékek pedig már olyan képességgel bírnak, ami egy előrelátó vállalatvezető szemében egyértelműen értéket jelent. Hiszen valójában emberi erőforrásokat tudnak kiváltani vagy átcsoportosítani, és a termékekben, neurális hálózatokban „tárolt, megszerzett” tudás nem veszik el, csak gyarapodik. Minden új munkatársba bele kell tenni ezt a tudást, viszont a kolléga idővel nyugdíjba vonul vagy munkahelyet változtat, a mesterséges intelligencia által összegyűlt tudás viszont a vállalaton belül marad. A fejlesztés alatt álló termékeknek itt van értéke, főleg úgy, hogy maga a fejlesztés egy adott vállalaton belül, az adott vállalat igénye alapján történik. Mindenki megérti, mi van akkor, ha tíz lapátoló munkást kiváltunk egy markolóval. Valami hasonló itt is leírható. Az embereket nem kell majd kiküldeni a terepre, hiszen mindig is az ember a legdrágább!


Kedvelje a Makronómot Facebookon!



Összesen 1 komment

Jelenleg csak a hozzászólások egy kis részét látja.
Hozzászóláshoz és a további kommentek megtekintéséhez lépjen be, vagy regisztráljon!

A kommentek nem szerkesztett tartalmak, tartalmuk a szerzőjük álláspontját tükrözi.
Hozzászóláshoz és a további kommentek megtekintéséhez lépjen be, vagy regisztráljon!

Bejelentkezés