Оставить отзыв
Организация
Отзыв
Лаборатория «Промышленные системы потоковой обработки данных» (ПСПОД) НЦМУ СПбПУ
Руководитель
Болсуновская Марина Владимировна
заведующий лабораторией, кандидат технических наук, старший научный сотрудник
Ведущие ученые
Общая численность сотрудников лаборатории – 63, из них молодых исследователей (до 39 лет) – 57.
Область научных исследований
Сфера компетенций лаборатории – построение систем сбора, обработки, передачи и анализа данных для решения актуальных задач промышленности. Это уникальные программно-аппаратные комплексы для решения нестандартных задач с отсутствием типовых решений, необходимостью разработки нового программного обеспечения (ПО) или аппаратных компонентов и требованием адаптации к сложившейся инфраструктуре.
Эксперты ПСПОД работают с большими объемами данных из разнородных источников, таких как цифровые изображения, облака точек лазерного сканирования, данные с датчиков, аудиоданные. При создании систем применяются методы интеллектуального анализа изображений, машинного обучения, предсказательной аналитики, математического моделирования и др.

Уникальные компетенции:

  • разработка алгоритмов обработки больших (в том числе потоковых) данных, интеллектуальный анализ данных (Data Mining);
  • разработка алгоритмов и моделей предиктивной аналитики;
  • улучшение быстродействия процессов сбора и передачи данных за счет:
    • граничных вычислений;
    • разработки интеллектуального встраиваемого ПО для предобработки, сжатия данных, оптимизации режимов работы оборудования;
    • подбора или разработки устройств сбора данных с особыми требованиями к производительности, точности, стоимости, энергопотреблению и т.п.;
  • создание специализированных информационных систем для визуализации данных и работы с ними, контроля процессов и управления ими.
Ключевые цели и задачи
Область экспертизы сотрудников лаборатории – разработка алгоритмов и ПО для интеллектуального анализа цифрового изображения (распознавания, детектирования, визуализации объектов или сцен, анализа и поиска изображения и др.) для решения широкого спектра задач, в зависимости от прикладной области и целей заказчика. Отдельным направлением является разработка и оптимизация программных решений для встроенных систем с ограниченными вычислительными возможностями.

На счету лаборатории – ряд успешных проектов для производителей решений в сфере видеонаблюдения и обеспечения безопасности, промышленной автоматизации; для организаций, оказывающих услуги по строительству зданий и сооружений, в том числе объектов водоснабжения и водоочистки; медицинских учреждений и др.

В числе заказчиков: ООО «КНС групп» (YADRO), ФГАОУ ВО НИУ «Высшая школа экономики», ООО «Экоскан», Индийский технологический институт Рурки, Восточно-Китайский педагогический университет, Комитет по здравоохранению Санкт-Петербурга, СПб ГБУЗ Городская больница № 40 Курортного района, Plaza Lotus Group, ООО «Лекториум», Фонд содействия инновациям, OOO «Нейроматикс», ЗАО «Орион Медик», ООО «Линукс Формат», ООО «Амдор», ООО «Микросенсор Технолоджи», Институт биомедицинских систем и технологий СПбПУ, Ивановский государственный политехнический университет, Лаппеенранта-Лахти университет технологий, ООО «Брусника», ФБУН «СЗНЦ гигиены и общественного здоровья», СПб ГАСУСО «ПНИ № 9», АО «РОББО» и др.
Примеры исследований
Разработка методики и модели мультизадачного обучения нейросетей для распознавания дефектов ткани с различным видом оформления поверхности (2021–2023). Не имеющая универсальная нейросеть может быть использована не только в легкой промышленности, но и для решения других задач после переобучения. Исследования проводятся при поддержке РФФИ (код проекта: 20-47-370005).
Геопортал «Санитарно-эпидемиологическое благополучие населения в Арктической зоне Российской Федерации» (2020–2021). Геоинформационная система для сбора, анализа и оценки больших данных о медико-демографических, социально-экономических показателях, состоянии факторов среды обитания и здоровья населения Российской Арктики.
Разработка методики цифровой трансформации бизнес-процессов и ПО для автоматизации проектирования и подготовки рабочей документации в строительстве (2020–2021). Система обеспечит автоматизированную сборку цифровой модели жилых домов, формирование проектной и рабочей документации, а также вариантов проекта здания на базе многокритериальной матрицы.
В числе реализованных лабораторией проектов:
ПО для анализа данных о сигналах флуоресценции нейронов головного мозга лабораторных мышей в рамках исследований нейродегенеративных заболеваний (2020);
Система беспроводных датчиков для мониторинга концентрации газов (2020);
Малогабаритная модель беспилотного автомобиля для обучения в сфере автономных транспортных систем (2019–2020);
Аппаратно-программный комплекс и методика для автоматизированного определения степени адгезии битума к щебням различной природы (2019);
Компонент для диагностики и прогнозирования сбоев в системах хранения данных (2017–2019);
ПО для фото-видеофиксации нарушений Правил дорожного движения (2017–2019);
ПО для обработки и визуализации данных лазерного сканирования (2017–2019);
Программный комплекс для визуализации и параллельной обработки сверхбольших облаков точек лазерного сканирования в условиях ограничений по оперативной памяти (проект поддержан Рамочной сетевой программой BRICS в области науки и инноваций, реализуется при финансовой поддержке Министерства науки и высшего образования РФ в рамках ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014-2020 годы», соглашение № 14.584.21.0025, УИ – RFMEFI58417X0025) и др.
Некоторые публикации
  • Abramov N.A., Fradkin M., Rouet L., Wischmann H.-A. Configurable real-time motion estimation for medical imaging: application to X-Ray and ultrasound // Journal of Real-Time Image Processing. 2017. V. 13. I. 1. P. 147–160 (https://doi.org/10.1007/s11554-015-0543-1) (Q3, РИНЦ, WoS, Scopus).
  • Mamoutova O.V, Uspenskiy M.B., Sochnev A.V., Smirnov S.V., Bolsunovskaya M.V. Knowledge Based Diagnostic Approach for Enterprise Storage Systems // 2019 IEEE 17th International Symposium on Intelligent Systems and Informatics (SISY). Subotica, Serbia: IEEE, 2019. P. 207–212 (https://doi.org/10.1109/SISY47553.2019.9111617) (РИНЦ, Scopus).
  • Zorin A.G., Abramov N.A. Disguised Face Detection // Information Science and Applications Lecture Notes in Electrical Engineering / Singapore: Springer Singapore, 2020. P. 509–517 (https://doi.org/10.1007/978-981-15-1465-4_50) (Q3, РИНЦ, WoS, Scopus).
  • Simulation Modelling Application for Balancing Epidemic and Economic Crisis in the Region, A. Borovkov, M. Bolsunovskaya, A. Gintciak, T. Kudryavtseva // International Journal of Technology, volume 11 (8), pages 1579–1588 (2020) (https://doi.org/10.14716/ijtech.v11i8.4529) (Q2, Scopus).
  • Беляевский К.О. Применение динамической аллокации на отображаемой памяти для обработки больших облаков точек в библиотеке PCL // Известия Самарского научного центра Российской академии наук. 2020. Т. 22. № 1(93). С. 56–64 (https://doi.org/10.37313/1990-5378-2020-22-1-56-64) (РИНЦ).
  • Gerasimov E.I., Erofeev A.I., Pushkareva S.A., Barinov D.S., Bolsunovskaja M.V., Yang X., Yang H., Zhou C., Vlasova O.L., Li W., Bezprozvanny I.B. Miniature fluorescent microscope: History, application, and data processing // Zhurnal Vysshei Nervnoi Deyatelnosti Imeni I.P. Pavlova. V. 70. I. 6. 2020. P. 852–864 (https://doi.org/10.31857/S0044467720060040) (Q4, РИНЦ, WoS, Scopus).
Регистрация на мероприятие
Отправляя данные, вы соглашаетесь с нашей Политикой конфиденциальности