Automatyzacja anonimizacji zdjęć z inspekcji linii energetycznych z wykorzystaniem AI

Nasz klient to firma specjalizująca się w inwentaryzacji i inspekcji linii wysokiego napięcia z powietrza. W codziennej pracy zespół wykorzystuje helikoptery, które przelatują nad liniami przesyłowymi, wykonując zdjęcia o bardzo wysokiej rozdzielczości. Ze względu na wymogi prawne i kwestie prywatności, każde zdjęcie musi przejść proces anonimizacji – twarze przypadkowych osób oraz tablice rejestracyjne pojazdów muszą zostać skutecznie zamaskowane.

Dotychczasowy proces opierał się na ręcznej pracy zespołu grafików, co przy ogromnej skali danych było czasochłonne, kosztowne i nieefektywne.

Nasze rozwiązanie

Zaproponowaliśmy klientowi kompleksowe, zoptymalizowane rozwiązanie łączące sztuczną inteligencję, lokalne przetwarzanie oraz wygodny interfejs użytkownika:

  • Transfer learning = oszczędność czasu i pieniędzy
    Aby znacząco ograniczyć koszty ręcznego oznaczania danych do trenowania modelu, zastosowaliśmy podejście transfer learningu – wykorzystując pretrenowane modele detekcji obiektów jako bazę. Dzięki temu mogliśmy skupić się jedynie na dostrojeniu modelu do specyfiki danych z inspekcji lotniczych (kąty widzenia, skala obiektów, oświetlenie), ograniczając ilość wymaganych oznaczeń nawet o 70–80% w porównaniu do trenowania modelu od zera.

  • Dedykowana architektura AI
    Zbudowaliśmy i zoptymalizowaliśmy sieć neuronową do przetwarzania zdjęć lotniczych w ekstremalnej rozdzielczości. Nasz model osiąga wysoką skuteczność wykrywania twarzy i tablic rejestracyjnych nawet w niestandardowych warunkach – z dużej wysokości, przy zmiennym świetle, oraz przy niewielkich obiektach w kadrze.

  • Przetwarzanie lokalne na sprzęcie klienta
    Wspólnie z klientem wybraliśmy odpowiednią konfigurację sprzętową – komputer z kartą graficzną klasy GPU – co umożliwia szybkie, niezawodne i bezpieczne przetwarzanie terabajtów danych lokalnie, bez potrzeby przesyłania ich do zewnętrznych serwisów czy chmury. To rozwiązanie zredukowało czas przetwarzania i całkowicie wyeliminowało koszty transferu danych.

  • Intuicyjna aplikacja desktopowa
    Zaprojektowaliśmy lekką aplikację desktopową z prostym interfejsem umożliwiającym pracownikom uruchamianie anonimizacji zdjęć bez potrzeby znajomości technologii. Aplikacja obsługuje wsadowe przetwarzanie tysięcy zdjęć i oferuje logowanie procesu, podgląd wyników oraz konfigurację parametrów.

  • Automatyczne środowisko uruchomieniowe
    Dostarczyliśmy gotowe skrypty instalacyjne, które tworzą kompletne środowisko do uruchomienia aplikacji – łącznie z bibliotekami AI, sterownikami GPU i konfiguracją systemu – umożliwiając wdrożenie rozwiązania w dowolnym miejscu pracy klienta.

Rezultaty

  • Redukcja kosztów oznaczania danych do trenowania o ~80%

  • Skrócenie czasu przetwarzania zdjęć o ponad 90%

  • Oszczędność kosztów operacyjnych związanych z anonimizacją

  • Zgodność z przepisami RODO i pełna kontrola nad danymi

  • Gotowość do przetwarzania kolejnych typów danych wizualnych (np. elementów infrastruktury)

Co wyróżnia tę realizację?

To projekt, który pokazuje, jak efektywnie wykorzystać nowoczesne narzędzia AI w branży infrastrukturalnej. Dzięki transfer learningowi i lokalnemu przetwarzaniu klient uzyskał nie tylko ogromne oszczędności czasowe i finansowe, ale również przewagę operacyjną, która pozwala szybciej realizować kolejne inspekcje i raporty.

Wspólnie z klientem zrealizowaliśmy przejście od ręcznych, kosztownych procesów do pełnej automatyzacji, nie rezygnując z wysokiej jakości i zgodności z przepisami o ochronie danych.