کیس های موفق جتسون

تجزیه و تحلیل ویدئویی مبتنی بر هوش مصنوعی برای انبار فروشنده خودرو

چالش

استقرار یک سیستم تشخیص نفوذگر در چندین منطقه پراکنده جغرافیایی معمولاً دارای چالش هایی است که مشتریان می‌خواهند از آن اجتناب کنند: باید از نصب تجهیزات اضافه برای به حداقل رساندن تغییرات در شبکه امنیتی موجود از قبل جلوگیری شود،  سیستم دوربین موجود از قبل نیز باید برای تشخیص نفوذ در هر دو محیط خارجی و مناطق داخلی در سراسر ۲۰ منطقه استفاده قرار گیرد.  بعلاوه باید اطمینان حاصل شود که سیستم فقط تجزیه و تحلیل رویدادهای ناشی از نفوذ اشخاص را انجام می دهد و حیوانات وحشی را به خصوص در شب مستثنی می کند.

راه حل

Magicbox از مواردی مثل reComputer J2021 که توسط ماژول خاویر NX تقویت شده، نرم افزار اختصاصی Prassel، تشخیص شی، عبور از خط، ماسک حریم شخصی و الگوریتم های تشخیص آتش و دود استفاده می کند. استفاده از Magicbox پاسخ های اضطراری را تسریع می کند و  اطلاعات با ارزشی را با شناسایی موارد خاص بوسیله نوتیفیکیشن های ایمیل، اسنپ شات یا خروجی از طریق پروتکل Modbus که به آژیر، واحد های کنترل نفوذ و سیستم های آلارم دهی اعلام می کند.

نتایج

• کاهش نود درصدی در تلاش برای نفوذ
• هشدارهای به موقع برای جلوگیری از دستکاری و تلاش های نفوذ
• شناسایی مناطق حیاتی برای تجزیه و تحلیل ویدیو در 20 منطقه آسان تر است

داده های پایدار برای درک محیط کسب و کار در شهر هوشمند

چالش

 با وجود اینکه توانایی ضبط و تجزیه و تحلیل نامحدود داده توسط دوربین های هوشمند غیرقابل انکار است، اما پیامدهای نقض حریم خصوصی چنین فناوری ای را نمی توان نادیده گرفت. علاوه بر این در حوزه خرده فروشی، تبلیغ کنندگان فضای باز و ادارات عمومی شهر باید اطلاعات هوشمندانه را با استفاده از تجزیه و تحلیل فراوانی بازدیدکنندگان و داده های رفتار مشتری برای کمک به بهبود رشد اقتصاد محلی بدست آورند.

راه حل

حسگرهای کور BAUTA یک تعادل بین پتانسیل داده و حریم شخصی با ذخیره کردن اطلاعات به صورت ناشناس که می تواند با استفاده از شبکه عصبی آموزش داده شده تحلیل شود بدست می آورد. سیستم، ماژول reComputer J2021 of NVIDIA Jetson Xavier NX و سنسورهای BAUTA  را ادغام کرده است تا بتوان داده های جنسیت، توزیع سن، میزان بازدیدکنندگان، زمان سپری شده، تحلیل ترافیک، شمارش وسایل نقلیه و  نوع آن ها را تحلیل کرد.

نتیجه

براساس داده سنسور، بازاریاب های فضای بیرونی می توانند به طور صحیح فضاهای تبلیغاتی را به صورت شفاف تحلیل و ارزش گذاری کنند (مانند فضای آنلاین). این امر کمک می کند تا گروه مشتریان هدف راحت تر پیدا شوند. همه داده ها ناشناس و طبق اصول اخلاقی هستند و ملاحظات مربوط به حریم خصوصی نیز لحاظ شده است.

گشت گارد امنیتی ربات در هنگ کنگ در محوطه پارکینگ

چالش

در مقایسه با استفاده از نیروی کار انسانی به عنوان نگهبان، ربات ها کارایی بیشتری  دارند و مهمتر از آن این است که می توانند بالاترین سطح امنیت عمومی را با وظایف امنیتی مداوم و انطباق با اهداف کوری که انسان نمی تواند به آن دست یابد کسب کنند.

راه حل

آرمیتاژ یک راه حل رباتی برای گشت زنی را ارائه می دهد که آرامش خاطر ۲۴ ساعته را در پارکینگ زیر زمینی هنگ کنگ و بدون استفاده از نظارت اوپراتور به ارمغان می آورد.

• سیستم تشخیص پلاک خودرو (LPRS)
• عملیات ۲۴ ساعته بدون دخالت انسانی
• تشخیص چهره و شمارش افراد
• آلارم دود و آتش

مزایا

• نظارت امنیتی ۲۴ ساعته در هفت روز هفته قابل اعتماد، در روز یا شب و در هر آب و هوا
• قادر به شناسایی انواع مختلف اشیا / موقعیت ها
• ویدئو و انتقال بلادرنگ
• صرفه جویی قابل توجه در نیروی انسانی و پر کردن خلاء پس از گشت زنی کارکنان در هر بار
• کاهش رانندگی، پیاده رویی و تلاش غیرضروری برای یافتن فضا

ربات Iroi و Patrovor برای نظارت 1:N همزمان برای امنیت

چالش

گشت زنی های امنیتی بیشتر اوقات شامل کارهای تکراری است ولی این کار ممکن است سبب بروز ریسک خطر در یک چشم به هم زدن هم شود. برای مثال آتش می تواند به شدت پخش شده و به مردم به خصوص پرسنل امنیتی آسیب برساند. این مناطق برای ربات ها مناسب هستند تا کارهای تکراری را  به صورت مستقل انجام داده و به افراد نیز اجازه دهد تا به صورت از راه دور با محیط در ارتباط باشند.

راه حل

Dogugonggan ربات های مستقل و full stack فضای باز/داخلی را توسعه می دهند. Iroi و  Patrovor توسط راه حل جتسون NVIDIA، با بینایی کامپیوتری هوش مصنوعی، هوش مصنوعی حرارتی، هوش مصنوعی صدا، شناسایی گاز و اجرای ویديو توانمند شده است. Dogugonggan یک عملیات با ثبات برای سرویس های امنیتی با اجرا ربات های خودران که با هوش مصنوعی مخصوص گشت زنی مجهز شده اند و راه حل های متقارن ۱:N فراهم می کند. علاوه بر حوزه امنیت، Iroi و Patrovor کار نظارت کیفیت هوا را با تجمیع با CO2 ،NO2 ،SO2 ،VOC ،PM2.5 ،PM10، دما و چندین سنسور محیطی رطوبت انجام می دهد.

حرکت به سمت سنجش زیر یخ با استفاده از ROV پرتابل

چالش

با توجه به عدم وجود تکنیک‌های قوی سنجش زیر یخ، تحقیقات بیوژئوشیمیایی فرآیندهایی مانند حباب های گاز، ذوب پایه یخ و محرک های شکوفه جلبک های یخ دریا در منطقه پوشیده از یخ محدود بسیار محدود باقی می ماند. این موضوع دشوار است که تنها با BlueROV پایه بتوان نتایج localization  را بدست آورد.

از سال ۲۰۲۰ آزمایشگاه SOS از دانشگاه جزیره Rhode روی پروژه ناوبری وسایل نقلیه زیر آب بدون سرنشین در محدوده آب های یخ زده کار می کند. تیم پروژه پیشرفتشان را با استفاده از ROV پرتابل برای سنجش زیر آب و نشان دادن کارایی ROVs های کوچک (m ۰.۷ و عرض m ۰.۵) برای نمونه برداری از محیط های زیر آب یخ زده در نزدیک ساحل نشان دادند.

• توانایی اجرا بر روی سطح های یخ مسطح به صورت با ثبات، صدها متر دور از سطح دریا
• نتایج ناوبری و حرکات بصری می توانند به آسانی در بخش مسیر حرکت ROV نشان داده شوند.

با PITAKURU ربات مستقل باربری با قابلیت حمل بار در انبارها آشنا شوید

چالش

آنلاین شدن مشاغل تبدیل به یک رویه جدید شده است و خدمات تحویل نیز به سبب آن رونق بیشتری یافته اند. با رشد کسب و کارهای آنلاین، تقاضا برای حمل کالاها و برای پیک و خدماتی که کار تحویل بسته های سفارش داده شده را انجام می دهند نیز در این راستا به میزان قابل توجهی افزایش یافته است. بر این اساس، فشار بر کارگران نیز افزایش یافته است.

راه حل

برای مواجهه با این چالش KEISUUGIKEN و Seeed گرد هم آمدند تا یک ربات مستقل باربری را تولید کنند که PITAKURU نامیده می شود. این ربات این قابلیت را دارد که در حین حمل اشیاء سنگین به دنبال افراد حرکت کرده و همچنین قابلیت استفاده در فضاهای داخلی و خارجی را نیز دارد. ربات PITAKURU از رهگیری لیزری استفاده می کند و این امر آن را قادر می سازد تا بدون تاثیر پذیری از نورهای خارجی و بدون نیاز به نصب تجهیزاتی مانند چراغ های ردیابی افراد را دنبال کند.  این ویژگی PITAKURU را قادر می سازد تا در هرجایی به آسانی استفاده شود. حتی اگر کاربر با استفاده از فناوری های باربری ناآشنا باشد.

تاثیر تجاری

با معرفی PITAKURU میزان محموله ای که می تواند توسط یک کارگر حمل شود تا سه برابر افزایش پیدا می کند و زمان مورد نیاز برای جابجایی پکیج ها نیز کمتر می شود.

مدیریت دقیق دام به دامداران کمک می کند تا بهره وری دام را بهینه سازی کنند

با reComputer J1010 شرکت Seeed  ما می توانیم هزینه مدیریت را تا ۹۸ درصد در مقایسه با سایر روش ها که از GPU-cloud استفاده می کنند برای هر حیوان کاهش دهیم. زیرا راه حل هر Edge AI solution می تواند کمترین هزینه استنتاج را در یک کانال دوربین داشته باشد.

چالش

صنعت دامداری یک صنعت گسترده است. با این وجود موارد زیادی وجود دارند که روی کارایی آن تاثیر می گذارد که از جمله آن ها می توان به افزایش قیمت غذای دام به دلیل شرایط آب و هوایی وخیم، ریسک بیماری و آلودگی های زیست محیطی اشاره نمود.

راه حل

Intflow کاربردی به عنوان EdgeFarm را فراهم می کند، یک راه حل هوش مصنوعی است که جراحات دام و بیمارها را متوجه شده و به دامداران کمک کند تا دامداری خود را کارا تر و بهینه تر کنند. EdgeFarm از داده بیومتریکی هر چهل دام در هر دوربین سقفی استفاده کرده است.

EdgeFarm داده های بلادرنگ دام ها برای مثال غذاخوردن و حرکات را در نظر می گیرد.

تاثیر تجاری

راه حل کلی به تشخیص و رهگیری کلی و بیست و چهار ساعته و در هفت روز هفته فعالیت های روزانه دام ها پرداخته رفتارهای خاص را شناسایی کرده و به سرعت هشدار می دهد. بعلاوه با افزایش کارایی درآمد ناخالص نیز ۱۵ تا ۴۰ درصد افزایش پیدا می کند. معمولا ده سیستم EdgeFarm می تواند تا ۴۰۰۰ دام را پوشش دهد و هزینه آن بر طبق شرایط و منطقه دامداری می تواند بین ۵۰۰۰ تا ۱۰۰۰۰ دلار باشد.

دسترسی بهتر به تجزیه و تحلیل احساسات در صنعت خرده فروشی

چالش

برندها باید مشتریان خود را در سطح عمیق تری درک کنند. راه حل های پسیو مثل تحلیل چهره روی دستگاه های هوش مصنوعی لبه اجرا شده و اطلاعات بسیار مهمی را فراهم می کنند. ولی آن ها شامل بیت ها و بخش های مختلفی می شوند و این امر استفرار آن ها را در مغازه ها دشوار می سازد. بعلاوه، برندها تغییرات پیوسته ای را در نمایش کالا، برنامه چیدمان  کالاها، جمعیت شناسی مخاطبان و ترند های منطقه ای ایجاد می کنند.

راه حل

شرکت های Zenus و Seeed با هم همکاری کرده اند تا با بهره گیری از جتسون تولید شده توسط NVIDIA یک راه حل کلی را ارائه داده تا پردازش را ساده تر کرده و نیازهای شما را برآورده کنند. تصور کنید که یک دستگاه هوشمند به دوربین متصل شده است و به صورت محلی تصاویر ویدئویی را پردازش می کند. تنها چیزی که شما نیاز دارید این است که جریان برق را برقرار کرده و سیستم پس از آن به سرعت شروع به کار می کند. دستگاه، داده های متا را به ابر ارسال می کند تا گزارش های عملی ایجاد کند. شما می توانید به معیارهای لحظه ای مثل برداشت ها، جمعیت شناسی، سطوح احساسات مثبت و موارد های دیگر دسترسی داشته باشید. تمامی اطلاعات به صورت اخلاقی بدست آمده و در یک داشبورد به صورت زنده قابل نمایش است.

نتایج

• بهبود نرخ بازگشت مشتری و افزایش فروش تا ۲۸۳ درصد
• ارزیابی رضایت مشتری و جمعیت شناسی با صحت بیش از ۹۵ درصد

سیستم پیتزا پزی اتوماتیک با پردازش با کیفیت بالا و هوشمند غذا

چالش

QSR سنتی دارای یک چالش قابل توجه به نام کاهش دادن هزینه کار و حفظ استاندارد تحویل است. آموزش کارکنان در ترکیب کردن طعم و مواد اولیه امری بسیار زمانبر است. علاوه بر این کیفیت غذا نیز با چشیدن توسط انسان می تواند متفاوت باشد.

راه حل

• GOPIZZA: یک سیستم اتوماتیک با سه کارایی اصلی است.
• GOVIS: راهنمای عملیات فروشگاه و کنترل پلتفرم مبتنی بر ابر
• ایستگاه ترکیب مواد اولیه: با استفاده از مدل تشخیص برای تشخیص سس و طعم دهنده ها بر اساس یک منوی خاص
• Gobot: یک ربات کارا است که توسط داده بصری توانمند شده است.

قابل مشاهده است که نمره کیفیت غذا در طول هر مرحله دریافت آن مشخص می شود تا یک استاندارد برای کیفیت نهایی غذا حفظ شود.

تاثیر تجاری

• به طور معمول، یک رستوران ۵-۶ متر مربعی به یک سیستم GOPIZZA نیاز دارد.
• یک میز اتوماتیک انتخاب سس
• ۲ اجاق برای نظارت بر پیشرفت پخت پیتزا
• ۱ ایستگاه بازرسی محصول
• کاهش نیروی انسانی از ۳ تا ۵ نفر به ۱ نفر در بخش مدیریت رستوران

تجزیه و تحلیل جریان ویدئو با نرخ فریم بالا با دوربین عمق دو بعدی و سه بعدی

چالش

یک چالش کلیدی گلوگاه پهنای باند مرتبط با فشرده سازی تصویر با عمق 3D است. معمولاً به دلیل نرخ داده، در جریان های تصویر RGB-D ویدئو با افزایش رزلوشن و نرخ فریم بدست آوردن شکل هندسی به صورت صحیح دشوار است. که به معنی آن است بر اساس روش‌های سنتی نمی‌توان ناپیوستگی‌های عمقی ناگهانی را مدیریت کرد.

راه حل

Aivero گام های ایجاد یک نگاشت با عمق رنگارنگ و تبدیل داده های بصری D۲D/۳  به یک نقطه ابری با انواع مختلف فرمت های دوربین های SDK/data را ساده سازی می کند. پلتفرم مدیریت بر پایه ابر قادر است:

• مدیریت تنظیم دوربین
• فشرده سازی D۲D/۳ ، ذخیره سازی و بازنمایی
• اتصال به چارچوب های یادگیری ماشین و ابزارهای استنتاج هوش مصنوعی

تاثیر تجاری

راه حل استریم به صورت لحظه ای و با تاخیر کم تصاویر با سطح کیفیت بالا را  با هزینه محاسباتی کم بدست می آورد. پشتیبانی تا ۳.۰۰۷ متر هنگامی که از رزولوشن 1 mm/step استفاده شود صورت می گیرد.

ربات زمین ناهموار برای مزرعه و محل ساخت و ساز

چالش

چالش زمانی رخ می دهد که با بخواهیم وظایف بلند کردن اجسام را در محیط های ناهموار انجام دهیم. استفاده از روش های سنتی با نیروی انسانی گران و زمانبر است. افراد در همان ابتدای اتوماسیون با ربات با مشکل مواجه می شوند زیرا که تکنولوژی سخت افزاری مورد نظر را ندارند.

راه حل

• CuboRex خزنده‌های CuGo V3 را به عنوان کیت توسعه‌دهنده روبات‌های به صورت خارج از جعبه ارائه می‌کند.
• پردازش AI/CV مبتنی بر جتسون با تشخیص اشیا، تقسیم بندی معنایی و مدل‌های تخمین موضعی
• کاربرد رانندگی مستقل NavigationStack را که همراه با ROS و ROS2 می باشد را  شخصی سازی کنید.
• اطلاعات مفید را با یک LIDAR D ۲ و یک (CLAS) GNSS بدست آورید.

تاثیر تجاری

ربات می تواند بارهای سنگین را تا ۷۰ کیلوگرم را حتی در محیطی با زاویه خطرناک ۲۰ درجه بارگزاری کند که این امر منجر به افزایش خروجی و کاهش هزینه های احتمالی نیروی انسانی می شود.

حمل و نقل هوشمندانه برای تشخیص رفتار راننده و مدیریت ناوگان

چالش

حمل و نقل جاده ای امن همواره یکی از موضوعاتی است که باید به آن اهمیت دهیم. تصادفات معمولا به دلیل خستگی راننده، خواب آلودگی و حواس پرتی رخ می دهند. این امری ضروری است که  وضعیت فعلی راننده به منظور امنیت و بهبود مدیریت ناوگان برای انجام عملیات های کسب و کاری بیشتر پایش شود.

راه حل

Autilent که از ترکیب الگوریتم های یادگیری عمیق با مدل های تشخیص برای مثال تشخیص چهره و تشخیص شی بهره می برد می تواند رفتار راننده، شرایط جاده و خطرات احتمالی را سریع تر و دقیق تر تحلیل کند.

سیستم همه ی دفعاتی را که رفتار راننده غیرعادی تشخیص داده شود را می شمارد. شما می توانید به آسانی به گزارش اطلاعات راننده/ وسیله نقلیه، وضعیت و  تاریخچه داده های پیشین به آسانی دسترسی داشته باشد.