Зарегистрироваться
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).