Синарский трубный завод (СинТЗ), входящий в Трубную Металлургическую Компанию (ТМК), оказал спонсорскую помощь для реализации проекта по сохранению занесенной в Красную книгу России редкой хищной птицы сокол-балобан. Птенцов выпустили на волю в четверг в селе Окулово Каменского района Свердловской области.

В мероприятии, которое провел Центр по мониторингу и реабилитации хищных птиц «Холзан», приняли участие управляющий директор СинТЗ Вячеслав Гагаринов и Директор Департамента по охране, контролю и регулированию использования животного мира Свердловской области Александр Кузнецов.

Природоохранный проект направлен на поддержание видового разнообразия животного мира Уральского региона. Для восстановления популяции краснокнижных птиц специалисты-орнитологи Центра «Холзан» используют метод хеккинга. В специальном закрытом вольере — «хеке» — птицы адаптируются, а также могут свободно вылетать из него для наработки охотничьих навыков и постепенного привыкания к условиям дикой природы. Каждому птенцу на лапу одевают несъемное кольцо, которое является своеобразным паспортом птицы и в дальнейшем дает орнитологам возможность отслеживать жизнь пернатого.

«Такие центры, как «Холзан», держатся на энтузиастах, которые много труда и личного времени вкладывают в благое дело. Заинтересовать завод проектом по восстановлению редких птиц — это хороший симбиоз энергии увлеченных людей и финансовой помощи крупных предприятий, которая направлена на сохранение уникальной природы Урала», — сказал Александр Кузнецов.  

«Природоохранная деятельность СинТЗ направлена в том числе на сохранение биоразнообразия, однако проект по сохранению краснокнижных птиц — новое направление для завода. На территории России популяция сокола-балобана была практически полностью уничтожена в результате браконьерского отлова и нелегального импорта, и наши средства направлены на то, чтобы увеличить их количество. Мы продолжим поддерживать эту работу», — отметил Вячеслав Гагаринов.

Политика СинТЗ и ТМК направлена на повышение экологической эффективности. СинТЗ уделяет большое внимание реализации природоохранных на производстве. В настоящий момент предприятие модернизирует систему водопользования и строит новый блок очистных сооружений, что позволит существенно увеличить объем повторно используемой воды и уменьшить ее забор из водоемов, снизив нагрузку на окружающую среду.

Центр по мониторингу и реабилитации хищных птиц «Холзан» располагается в селе Кашино Сысертского городского округа Свердловской области. Он основан в 2003 году и занимает территорию 2,5 гектаров леса. «Холзан» является домом для более чем 50 видов животных. Для посетителей в Центре проводятся научно-просветительские экскурсии, организуются соколиные шоу и охота с ловчими птицами.

По материалам: пресс-служба СинТЗ

Нейросеть, которую создали ученые Уральского федерального университета, сможет находить опасные трещины в мостах, дорогах и зданиях за секунды. Технология заменит многочасовые ручные проверки, снизит риск аварий и сэкономит бюджет на обслуживании инфраструктуры. Разработка уже показала точность 88,7 % на снимках из России и Китая. Описание разработки опубликовано в журнале Sensors.

«В то время как традиционная ручная проверка мостов или дорожных конструкций занимает от одного до двух часов, наша модель способна обрабатывать изображения в 100 раз быстрее — в течение секунд, что теоретически позволяет существенно сократить время инспекций и обеспечить непрерывный, высокоточный и объективный мониторинг. В дальнейшем мы планируем провести тестирование модели на платформе Jetson и интегрировать ее с беспилотными системами для практического применения в задачах мониторинга мостов, дорог и другой инженерной инфраструктуры в реальном времени», — пояснила соавтор работы, заведующая кафедрой «Строительные конструкции и механика грунтов» УрФУ Зоя Беляева.

Как сообщили ученые, система обладает рядом преимуществ, в частности, высокой скоростью обработки (до 232 кадров в секунду) и легкой архитектурой в сравнении с конкурентами (2,51 млн параметров). Благодаря этим характеристикам у разработки уральских исследователей есть большой потенциал для использования в дронах или других устройствах, которые смогут обеспечить быструю инспекцию строительных сооружений.

Чтобы уменьшить количество ложных срабатываний на тенях или водяных пятнах, исследователи также внесли в нейросеть ряд улучшений, внедрив механизм внимания SimAM и применив модуль Concat_BiFPN. Первый имитирует фокусировку человеческого зрения и позволяет выделять области с трещинами без добавления дополнительных параметров, эффективно подавляя помехи от фоновых элементов. Второй модуль используется для многомасштабного слияния признаков, что позволяет модели более точно захватывать текстурные особенности мелких трещин. Результаты тестов почти на 2000 изображений показывают, что улучшенная модель демонстрирует прирост точности на 1,4 %, обеспечивая более стабильное распознавание трещин в сложных условиях — туннели, нижние части мостов и ночное время суток.

Сейчас команда адаптирует систему для реальных задач — совмещает ее с дронами на платформе Jetson и добавляет поддержку инфракрасных камер, что позволит обнаруживать скрытые дефекты ночью или под слоем грязи. В то же время из-за небольшой вычислительной мощности подобных платформ использование таких моделей представляет собой непростую задачу. Для решения этой проблемы ученые использовали модуль C3Ghost, который позволил сократить количество параметров модели более чем на 16 % при сохранении стабильной точности, обеспечив возможность ее работы в реальном времени.

«Мы исследуем возможность слияния инфракрасных и видимых изображений, чтобы за счет инфракрасного спектра усилить текстурную информацию и повысить способность модели обнаруживать трещины в условиях низкого контраста. Хотя эта работа пока находится на экспериментальной стадии, она закладывает основу для создания системы круглосуточного и всепогодного мониторинга в будущем», — отметил соавтор работы, аспирант УрФУ Чжан Цзяхуэй.

Сейчас алгоритм верифицируют и продолжают обучать на фотографиях с трещинами, сделанных в России и в Китае. При наличии подходящих партнерских платформ или пилотных сценариев технология будет подготовлена к практической реализации. Параллельно ученые отслеживают международные стандарты оценки повреждений конструкций, такие как ASTM (США) и CEN (Европа), чтобы в будущем обеспечить совместимость модели с мировыми нормами.

Справка

По данным Росстата, 60 % аварий конструкций связаны с несвоевременным обнаружением трещин. Классические методы требуют до трех экспертов на объект, Первая система мониторинга трещин на основе нейросетей была представлена в Японии в 2018 году, но требовала мощных серверов. Разработка УрФУ в 10 раз легче зарубежных ИИ-аналогов, которые зачастую не работают в реальном времени.

По материалам: пресс-служба УрФУ.