Как ИИ распознаёт технику и людей на разрезе: сотрудник КузГТУ – призёр Молодёжной научной премии имени Л. А. Пучкова

Техник Исследовательского центра искусственного интеллекта и магистрант ИИТМА Юрий Порохин занял второе место в первой Молодёжной научной премии имени Л. А. Пучкова «Искусственный интеллект в горном деле и горных науках». Награждение прошло 7 октября в Москве на горнопромышленном форуме «МАЙНЕКС Россия — 2026».

На сессии с докладами победителей и призёров Юрий Порохин представил работу «Сравнительный анализ детекторов RF-DETR и YOLOv11 для задачи распознавания горнотранспортной техники и персонала в условиях открытых горных работ». Научный руководитель — Илья Сыркин, руководитель Исследовательского центра искусственного интеллекта.

На карьерной технике устанавливают камеры. Они нужны, чтобы следить за безопасностью, учитывать работу машин и управлять беспилотными самосвалами. Но есть проблема: нейросети, которые хорошо распознают объекты на городских улицах, плохо работают в условиях разреза. Мешают пыль и грязь на объективах, мелкие объекты у линии горизонта, дороги без разметки и резкие тени от уступов. Из-за этого система может не заметить человека или технику — а это вопрос безопасности.

Юрий сравнил два семейства нейросетевых детекторов объектов, которые по-разному подходят к распознаванию. Первое — свёрточные нейросети YOLOv11, которые считаются быстрыми. Второе — трансформерные модели RF-DETR, более современные и точные. Он обучил по три модели разного размера из каждого семейства на большом наборе данных: 122 274 фотографиях, сделанных камерами горнотранспортной техники на угольном разрезе. На этих снимках было размечено свыше 222 000 объектов семи классов: самосвалы, экскаваторы, бульдозеры, грузовые и легковые машины, автобусы для вахтовых бригад и люди.

Трансформерные модели оказались точнее. Лучшая из них распознаёт объекты с точностью 0,694 — это на 6,4 процентного пункта выше, чем у лучшей свёрточной модели. Больше всего трансформерные модели выиграли на редкой технике: экскаваторы они стали распознавать лучше почти в два раза, автобусы — тоже значительно точнее. А людей лучшая модель находит в 99% случаев.

При этом свёрточные модели работают быстрее: они обрабатывают от 40 до 62 кадров в секунду, а трансформерные — от 18 до 25. Для практики Юрий Порохин предлагает выбирать модель под конкретную задачу. Для серверного видеонаблюдения на предприятии лучше подойдёт трансформер RF-DETR среднего размера: он почти так же точен, как самый крупный, но работает на 23% быстрее. А для бортовых систем беспилотного транспорта, где важна скорость не менее 30 кадров в секунду, подойдут свёрточные модели YOLOv11.