Мобильный робот для точного земледелия. Он автономно перемещается по полю, выполняя мультиспектральную съёмку агрокультур, сбор физико-химических свойств почвы и ряда других показателей с сенсоров. Данные передаются на сервер, где нейросетевые модели анализируют их и формируют рекомендации.

Предполагается создание ГИС инструментов построения границ естественной экосистемы, на которой она уже способна поддерживать необходимую полноводность и равномерность речного потока - Экосистемного Каркаса (ЭК) речной сети. Эти инструменты позволят определить, какие функции естественной экосистемы водосбора рек необходимо восстановить на урбанизированных участках ЭК для достижения необходимой полноводности и равномерности водного потока, а также спланировать стратегию восстановления этих экосистемных функций. Этот проект может являться частью создания Цифрового двойника речной сети «СимПри», который необходим для разработки, реализации и мониторинга проектов восстановления полноводности рек для их судоходства, предотвращения наводнений, эрозионных процессов, заиливания русел рек, диффузного загрязнения речных потоков и гармонизации водно-климатического баланса урбанизированных территорий. Предлагаем включиться в реализацию этого проекта путём решения одной из нижеперечисленных задач: 1 - создать алгоритмы восстановления истоков рек по рельефу с целью определения границ территорий питающих истоки рек (водоразделов); 2 - создать алгоритмы выделения границ зон основных и промежуточных водоразделов; 3 - создать алгоритмы выделения зон выветривания осадков на водоразделах; 4 - создать алгоритмы выделения зон склонных к образованию эрозии почв; 5 - создать алгоритмы расчета сети ветрозащитных лесополос и лесопосадок на водоразделах для предотвращения выветривания осадков; 6 - создать алгоритмы выделения подземного русла реки и границ водоохранной зоны достаточной для предотвращения наводнений; 7 – создать алгоритмы расчета водозащитных лесополос и лесопосадок в границах водоохранной зоны русла рек необходимых для предотвращения наводнений, диффузного загрязнения и разрушения берегов; 8 – создать алгоритмы расчета водозащитных земляных сооружений в границах ЭК для восстановления функций естественной экосистемы водосбора рек на его урбанизированных участках.

Разработка системы автоматического протоколирования деканских совещаний на основе нейросетевых методов обработки и распознавания речи нескольких русскоговорящих спикеров. Система должна генерировать текстовый протокол, содержащий основные решения и обсуждаемые вопросы на деканском совещании. Задачи: Распознавание речи: Ассистент должен с высокой точностью распознавать русскую речь нескольких спикеров в условиях умеренного шума. Транскрипция: Преобразование распознанной речи в текстовый формат с минимальным количеством ошибок. Структурирование: Автоматическое разделение транскрипции на логические блоки (например, по докладчикам, темам обсуждения, решениям). Извлечение ключевых сущностей: Разработка модели извлечения ключевых сущностей (имена, даты, решения, темы обсуждения) из транскрипции речи. Генерация протокола: Разработка модели генерации текста протокола на основе распознанной речи и извлеченных ключевых сущностей. Протокол должен быть структурированным и легко читаемым. Разработка интерфейса: Создание удобного интерфейса для загрузки аудиозаписей, просмотра транскрипции и полученного протокола. Требования к качественным оценкам: - Качество распознавания речи: WER (Word Error Rate) не более 5%. - Точность извлечения ключевых сущностей: Precision & Recall не менее 85%. - Протокол должен адекватно отражать суть обсуждения и принятые решения. Субъективная - оценка качества протокола экспертом должна быть не ниже 4 из 5 баллов. - Язык: Русский. - Формат входных данных: Аудиофайлы в формате WAV. - Формат выходных данных: Текстовый файл в формате .txt или .docx. Выходные данные: Рабочий прототип голосового ассистента в виде пайплайна SOTA моделей. Отчет о тестировании с оценкой точности распознавания и транскрипции. Технологический стек по задачам: DL, NLP, (Whisper, Kaldi), NER, (GPT-2 и выше, T5, )

Разработать пайплан для автоматической детекции/сегментации (на основе SOTA нейросетевых методов) сорняков на цветных снимках сельскохозяйственного поля с целью определения их количества, площади распространения и последующей ликвидации. Входными данными являются цветные изображения высокого разрешения с/х поля с табаком или пшеницей, полученные с беспилотных летательных аппаратов (БПЛА) или наземных камер (RGB или мультиспектральной). Формат входных/выходных изображений: JPEG/GeoTIFF/TIFF. Задачи: - найти датасет сорняков для пшеницы и табака; - разметить данные на новом датасете, используя автоматические техники разметки данных; - найти и происследовать разные нейросетевые методы для выделения посевов табака и сорных растений; - сравнить точность моделей, найти методы с высокой точностью детекции сорняков (метрика: IoU - не менее 90%]). - обеспечить низкую вычислительную сложность алгоритма для обработки изображений высокого разрешения и больших размеров. - разработать интерфейс для визуализации результатов детекции (маска сегментации, метки bounding boxes). Этапы работы: - Анализ существующих методов сегментации/детекции изображений. - Выбор и адаптация наиболее подходящих методов. - поиск датасетов с сорняками, табаком/пшеницы. - Разработка и обучение модели на найденном наборе данных. - Тестирование и валидация модели на независимом тестовом наборе. - Оценка производительности модели по заданным метрикам. - Разработка интерфейса для обработки изображений. Технологии: Python, TensorFlow/PyTorch, OpenCV

В рамках проекта необходимо будет разработать систему голосового бота, состоящую из 3 блоков. Задачи, исполняемые ботом, а также модели, используемые в работе, могут быть определены на ваше усмотрение. Общение с клиентом должно проходить в зависимости от заданных сценариев: Выбор сценария будет зависеть от цели звонка(подтверждение записи, повторное подтверждение, опрос клиента, доп. информация), а так же от ответов клиента(полный отказ от записи, запись на другое время, переход на оператора, просьбы клиентов об услугах и т.д.). Необходимо будет разработать базовые сценарии ведения диалога с клиентом, обосновать свой выбор. Функционал можете выбрать любой, главное чтобы бот поддерживал минимум несколько сценариев работы и имел возможность получать информацию из БД.