Zum Inhalt springen
AtheronLABS

Erkanntes Land: Vereinigte Staaten. Preise werden in US-Dollar angezeigt. Nicht richtig?

labs@atheron:~/industries/waste-recycling/ai$ train agent --grounded

KI fürs Recycling

Fehlwürfe an Fahrzeugkameras erkannt, dann bestätigt.

Fehlwürfe sind ein paar Adressen, die immer wieder das Falsche tun. Eine Kamera und ein Modell, das auf Ihren eigenen Ladungen trainiert ist, können diese Adressen finden, sodass Aufklärung dorthin geht, wo sie gebraucht wird. Das Modell markiert; eine Person bestätigt, bevor ein Hinweis rausgeht.

// worauf es hier ankommt

Was in dieser Branche anders ist.

01

Auf Ihr Programm trainiert

Was als Fehlwurf zählt, hängt von den Regeln Ihres Programms ab. Wir trainieren das Modell auf Ihren eigenen beschrifteten Bildern nach, und deshalb ist es ein eigenes.

02

Der Adresse zugeordnet

Jede Markierung wird mit dem RFID-Leerungseintrag der Tonne verbunden, sodass ein Hinweis an den Haushalt geht, dessen Tonne geleert wurde.

03

Eine Person bestätigt

Eine Person bestätigt Markierungen, bevor ein Hinweis verschickt wird, und Verworfenes wird zu Trainingsdaten für die nächste Runde.

04

Gemessen, bevor es genutzt wird

Das Modell wird an einem zurückgehaltenen Satz Ihrer Bilder bewertet, und das vereinbarte Ergebnis ist die Hürde für den Start.

// Beispielprojekte

Beispiele mit Preis.

Jedes ist angenommen, als solches gekennzeichnet und live aus unserer Preisliste berechnet. Öffnen Sie eines im Rechner und machen Sie es zu Ihrem.

BeispielprojektWeb-AppKIEigenes LLM

Modell für Fehlwürfe am Fahrzeug

Angenommen. Kein Kunde, kein Ergebnis.

// Das Problem

Ein Recyclingprogramm verliert Ladungen durch Fehlwürfe, kann aber nicht sagen, welche Touren oder Adressen sie verursachen, also geht Aufklärung an alle und ändert nichts.

// Was wir bauen würden

Ein eigenes Bildmodell, auf den eigenen Bildern der Schüttungskamera des Programms nachtrainiert, das wahrscheinliche Fehlwürfe markiert, während jede Tonne geleert wird, verknüpft mit dem RFID-Leerungseintrag der Tonne, sodass das Programm gezielte Hinweise an die Adressen schicken kann, die sie brauchen.

// Was drin ist

  • Bilder der Schüttungskamera bei jeder Leerung aufgenommen
  • Wahrscheinliche Fehlwürfe nach Art markiert, zur Prüfung durch eine Person
  • Markierungen über den RFID-Leerungseintrag der Tonne der Adresse zugeordnet
  • Gezielte Hinweise und Nachverfolgung bei wiederholt auffälligen Adressen
  • Ein Modell, auf Ihren Bildern nachtrainiert und an einem zurückgehaltenen Satz gemessen

// Tech-Stack

  • PyTorch
  • ONNX Runtime
  • Python
  • Next.js
  • AWS-GPU-Instanzen

// Schätzung

Entwicklung
≈ 168.000 USD bis 257.000 USD, delivered within 41 weeksCAD 239,900 to 366,300
Hosting
≈ 7.020 USD im MonatCAD 10,000 im Monat
Support
≈ 2.500 USD im MonatCAD 3,565 im Monat

Preise in Ihrer Währung sind Schätzungen zum heutigen Kurs der Bank of Canada. Alle Rechnungen werden in CAD oder USD gestellt.

KI-Weg
Eigenes LLM
Laufende Modellkosten
≈ 6.530 USD im MonatCAD 9,300 im Monat

Zeitplan je Meilenstein

Découverte
2.9 to 3.4 weeks
Données et plan d’évaluation
0.4 weeks
Maquettes approuvées
2.4 to 4.4 weeks
Fonctions principales
1.9 to 3.4 weeks
Développement complet
1.4 to 2.4 weeks
Entraînement
8.9 to 15.4 weeks
Tests et corrections
0.4 weeks
Évaluation et tests adverses
3.9 to 4.4 weeks
Rapport vérifié sur une période passée
3.9 to 4.4 weeks
Mise en ligne
0.9 to 1.4 weeks
Production
0.9 to 1.4 weeks

Nicht in unserer Hand, und im Kalender berücksichtigt

Livraison des lecteurs de camion et des étiquettes de bacs
2 to 6 weeks
Accès à l’API du GPS de parc par votre fournisseur
1 to 4 weeks

Wie bezahlt wird

Anzahlung 20%
CAD 47,740 to 73,020
Découverte 1.1%
CAD 2,625.70 to 4,016.10
Données et plan d’évaluation 7.2%
CAD 17,186.40 to 26,287.20
Maquettes approuvées 1.1%
CAD 2,625.70 to 4,016.10
Fonctions principales 3.5%
CAD 8,354.50 to 12,778.50
Développement complet 2.3%
CAD 5,490.10 to 8,397.30
Entraînement 21.7%
CAD 51,797.90 to 79,226.70
Tests et corrections 1.1%
CAD 2,625.70 to 4,016.10
Évaluation et tests adverses 14.4%
CAD 34,372.80 to 52,574.40
Rapport vérifié sur une période passée 8.7%
CAD 20,766.90 to 31,763.70
Mise en ligne 1.1%
CAD 2,625.70 to 4,016.10
Production 7.8%
CAD 18,618.60 to 28,477.80
Holdback, 30 days after launch (10%)
CAD 23,870 to 36,510
Temps GPU pour l’entraînement et les tests, au coût
CAD 1,200. Im Voraus berechnet, zum Einkaufspreis, außerhalb der Meilensteine

// questions

Fragen, die wir dazu bekommen.

Zeichnen die Kameras Bewohner auf?

Die Kameras schauen in die Schüttung, nicht auf die Straße. Ihr Datenschutzteam prüft Kameraposition und Aufbewahrung vor dem Start.

Braucht es RFID-Tonnen, um zu funktionieren?

Um eine Markierung einer Adresse zuzuordnen, ja, oder sehr genaues GPS. Ohne beides meldet es Fehlwürfe trotzdem je Tour.

Kann es auf dem Fahrzeug laufen?

Bilder können auf dem Fahrzeug verarbeitet oder zur Verarbeitung in Ihre Cloud geschickt werden. Wir wählen nach Verbindung und Kosten Ihrer Fahrzeuge.

// weiter

Nicht ganz Ihr Projekt?

Sagen Sie uns, was Sie vorhaben. Wir melden uns mit einer Spanne und den Fragen, die sie eingrenzen würden. Oder buchen Sie ein Gespräch und wir reden darüber.

KI-Erkennung von Fehlwürfen für Recyclingprogramme | Atheron Network Labs