Разработка технологии для поиска и устранения загрязнений водных пространств
Умный робот для очистки водоёмов
Робототехнический конструктор «Океаника КИТ» — новый экосистемный образовательный продукт. Учебный набор для подводных исследований, который позволяет разрабатывать алгоритмы автономной работы, использовать камеру для наблюдений и технического зрения, программировать на C++ и Python

Технические показатели "Океаника кит"

м/с 1,5

Макс. скорость

м 20

Макс. глубина погружения

мин 90

Время работы

кг 2

Общий вес

p 720

Фото-видео камера: FullHD

дм³ 12,6

Габаритные размеры: 322×288×136 мм

Наша команда
  • Богданов Глеб
    г. Королев
    Программист, тимлид
  • Абрамов Семен
    г. Санкт-Петербург
    Руководитель проекта
  • Шестаков Артём
    г. Челябинск
    Программный инженер, UX дизайнер
  • Чебыкина Арина
    г. Екатеринбург
    Аналитик данных, технический писатель, эколог, UI дизайнер
  • Малютина Татьяна
    г. Екатеринбург
    Проджект менеджер, тайм-менеджер, специалист по документации
  • Заскокин Вадим
    г. Нижний Новгород
    Программист, ИИ специалист
  • Несмиянова София
    г. Челябинск
    Педагог-Стажёр
  • Ялынич Дмитрий
    г. Ульяновск
    Инженер-конструктор, инженер по 3д прототипированию

Очистка загрязненных акваторий
  • Универсальная интеграция
    Наш программный комплекс и алгоритмы могут быть установлены на подводные аппараты с различными характеристиками, что позволяет масштабировать технологию.
  • Интеллектуальное распознавание
    Нейросеть обучается распознавать конкретные антропогенные объекты (пластик, сети), игнорируя природные элементы (камни, ракушки), что сохраняет экосистему водоема.
  • Автономная маршрутизация
    Система сама строит траекторию движения для максимального покрытия загрязненной площади
Задачи
Поиск и изучение информации по теме проекта
Сборка датасета для сверточной нейронной сети
Обучение нейронной сети по данным
Написание алгоритма движения НПА
Создание графического интерфейса для управления НПА
Проведение тестовых испытаний системы
Ход работы
Этап 1

1. Анализ экологических данных и постановка задачи

Изучение пляжей Чёрного моря показало, что основное загрязнение - пластик. Задача - разработать алгоритм распознавания мусора и отделения его от природных объектов.

Этап 2

2. Подготовка первичного датасета и обучение нейросетевого детектора

На первом этапе в бассейне собран и размечен датасет из жестяных банок и салфеток. Данные расширены ручной аугментацией, после чего обучена базовая нейросеть.

Этап 3

3. Испытания аппарата на открытой воде

Испытания подводного аппарата на пруду показали качество видеопотока в реальных условиях и работу базовой нейросети, также фиксировались ложные срабатывания алгоритма.

Этап 4

4. Дообучение нейросетевой модели

По итогам испытаний нейросеть дообучили и адаптировали к реальным помехам и освещению, что повысило устойчивость и снизило ложные срабатывания.

Этап 5

5. Разработка модуля локальной навигации

Разработана программа автономного управления, модуль локальной навигации и алгоритмы движения по площади, также реализованы визуализация траектории и логирование для поиска ошибок.

Этап 6

6. Разработка захвата

Спроектирован и изготовлен опытный образец захвата мусора, обеспечивающий надежную фиксацию объектов в условиях подводной среды.

Этап 7

7. Проектирование архитектуры интерфейса в Qt Designer

Для оператора разработан интерфейс в Qt Designer с окнами телеметрии и видеопотока, поддерживающий офлайн-режим.

Этап 8

8. Программная реализация интерфейса и системная интеграция

Написан исполняемый код, ожививший макет из Qt Designer: ИИ-детекция интегрирована с видеопотоком в фоновом режиме, обеспечивая трансляцию видео с рамками детекции без зависаний; кнопки пульта запрограммированы для управления ходовой частью.

← Листайте или используйте кнопки →
Результаты проекта
Разработана автономная система управления НПА на основе свёрточной нейросети с графическим интерфейсом. Проведены успешные испытания, подтвердившие работоспособность алгоритмов движения и детекции в тестовых сценариях. Изучены экологические статистики и факторы загрязнения акваторий крупным мусором, пластиком. Изучены существующие системы поиска и устранения загрязнений, НПА, подходящие для установки нашей системы, аналоги полезной нагрузки.
Пример работы программы
Океаника Кит
Фотогалерея

Новости

Пост 1
17 июля

В Сириусе обучают подводных роботов искать мусор в морях и океанах

Пост 2
15 июля

Несмиянова София

Пост 3
16 июля

Шестаков Артём

Пост 4
19 июля

Заскокин Вадим