Smart Timber: как российская система считает лес со смартфона без интернета

Система Smart Timber, разработанная ЛАНИТ, решает задачу, которая кажется простой только на первый взгляд: посчитать объём древесины в штабеле по фотографии со смартфона. Сложность — в условиях работы. Лесные делянки и сплавные участки почти никогда не имеют мобильного покрытия, а значит, стандартная схема «снял — отправил на сервер — получил ответ» здесь не работает.

Команда заложила в архитектуру полностью офлайновый режим: всё вычисление происходит на самом устройстве, а накопленные снимки, разметка и расчёты уходят на сервер только при появлении связи. Требование к скорости — не более 30 секунд на типовом смартфоне среднего диапазона — жёстко ограничило выбор архитектур детектора. В экспериментах участвовали разные поколения YOLO и реалтаймовые трансформеры, в итоге остановились на облегчённых архитектурах с собственными доработками.

В основе измерения лежит классический фотограмметрический метод — «метод масштабов». Камера смартфона работает как угломерный инструмент: через модель камеры и матрицы калибровки каждому пикселю сопоставляется направление в пространстве. Чтобы перевести угловые размеры в метрические, нужен эталон известного размера, помещённый в ту же плоскость, что и брёвна. Команда использует метровую линейку с чёткими границами: ошибка в 1 см на метровом эталоне даёт погрешность объёма в 3%. Именно поэтому от идеи использовать номерной знак прицепа или треугольный знак аварийной остановки — которые пробовали другие участники рынка — пришлось отказаться: номерной знак к тому же не лежит в нужной плоскости.

Отдельная инженерная задача — наклон камеры. Штабели достигают 5–10 метров высоты, и держать смартфон строго вертикально на уровне 1,5 м означает, что половину кадра займёт земля. Решение: положение камеры относительно горизонта определяется по датчикам устройства — показания интегрируются за несколько секунд и проверяются на стабильность. Это позволяет наклонять телефон произвольно, сохраняя точность расчёта.

Торцы брёвен система обнаруживает автоматически, боковые брёвна оператор размечает вручную — по наблюдениям команды, это в среднем точнее автоматики. После разметки пиксельные размеры переводятся в метрические: система получает диаметры всех брёвен в виде полуосей эллипса. Дальше применяются либо поштучные методы (объём каждого бревна как цилиндра или усечённого конуса), либо групповые — через коэффициент полнодревесности, переводящий складской объём штабеля в плотный объём древесины. Реализованы все основные стандарты: российские ГОСТ 32594-2013 и ОСТ 13-43-79, белорусский СТБ 1667-2012, а также несколько собственных методов.

Существенную правку в датасет внесла поездка на один из крупнейших целлюлозно-бумажных комбинатов в Братске. Первые версии системы обучались преимущественно на ели, сосне и берёзе с тонкой корой. Лиственница, которую активно используют сибирские ЦБК, имеет кору толщиной в несколько сантиметров — а учёт по российским стандартам ведётся «без коры». Пришлось расширить разнообразие пород в датасете и переразметить его заново, чтобы детектор находил торец именно внутри коры.

По вопросу выбора устройства команда прошла путь от смартфонов к планшетам. Большой экран оказался принципиально важен при работе в зимних перчатках при -30°C. Защищённые планшеты вроде Samsung Galaxy Tab Active имеют очевидные преимущества по ударостойкости, но стоят кратно дороже бытовых аналогов при сопоставимой производительности. Практика показала, что обычные планшеты годами выживают в руках клиентов, а замена сломанного устройства обходится дешевле покупки защищённого. Некоторые клиенты решают проблему холода проще: павербанк во внутреннем кармане куртки или подогреваемый чехол.