Внедрение систем компьютерного и машинного зрения: мнение разработчика
Алексей Тюрин 03/05/24
Этапы разработки систем видеонаблюдения и видеоаналитики для решения тех или иных задач промышленного предприятия имеют свои особенности. На каждом этапе возникают вопросы, ответы на которые редко являются универсальными. В этой статье я поделюсь теми моментами, с которыми мы сталкиваемся при разработке систем компьютерного и машинного зрения на НЛМК.
Любое программное обеспечение имеет определенный свой жизненный цикл, и системы с использованием машинного зрения не исключение. На Новолипецком металлургическом комбинате (НМЛК) существуют стандартные шаги по подготовке инфраструктуры, обучению моделей машинного зрения, по промышленной опытной эксплуатации и непосредственному введению в продакшн-эксплуатацию. На каждом из этих этапов возникают определенные вопросы, вызывающие вопросы у разработчиков.
Подготовка инфраструктуры
Для того чтобы развернуть систему с машинным зрением, прежде всего требуется инфраструктура. Как выбрать инфраструктуру и какая она бывает?
Первый вариант – это публичные облака, где можно арендовать серверные мощности, второй – сервера, которые разворачиваются непосредственно в компании. Какие критерии выбора мы выделяем в пользу того или иного решения? Прежде всего следует обращать внимание на:
- требуемые мощности;
- вопросы безопасности;
- скорость обработки;
- экспертизу поддержки.
Основной критерий – это, конечно, требования к вычислительным мощностям. Если, скажем, требуется одна тысяча высокопроизводительных видеокарт, то закупать подобный объем будет не так выгодно, как арендовать.
Следующий параметр – скорость обработки видеопотоков. Существуют системы, которые оценивают картинку в реальном времени. Но при переброске видеопотока в публичное облако происходят большие сетевые задержки, это очень серьезная нагрузка на сеть, так как видеопоток – "тяжелая" вещь. Помимо этого, возникает и проблема безопасности. Хотим ли мы хранить за контуром нашей компании какие-то видеофайлы, где у нас потенциально могут быть коммерческие тайны, готовы ли мы к инцидентам безопасности? С этой точки зрения обработка видео на собственных серверных мощностях выглядит более привлекательно.
Однако у собственных серверных мощностей есть один большой недостаток – это экспертиза поддержки.
Если мы арендуем готовые docker-контейнеры, например, у Сбер Cloud или у Selectel, то там уже все готово: настроены видеокарты, установлены драйверы, остается лишь загрузить свой docker-образ в облако.
С собственным решением все сложнее. Нам нужно самим как-то поддерживать сервер, следить за состоянием железа, программного обеспечения (ПО) – все эти действия требуют значительной экспертизы.
Кроме того, если вы выбираете какие-то облачные сервисы для запуска таких продуктов, то нужно позаботиться о том, как прокидывать трафик в эти облака.
Несмотря на то что IP-камеры сейчас достаточно распространенная вещь, на производстве мы зачастую используем только те камеры, которые доступны в определенной подсети. Это, например, камеры таких производителей, как DALSA или Hikrobot. У таких камер есть большое преимущество: они высокопроизводительные, у них есть широкие настройки, позволяющие отладить все что угодно, начиная от экспозиции и до размера пакета, который будет передаваться по сети.
Обучение моделей
Помимо инфраструктуры, на начальных этапах возникает вопрос обучения моделей машинного зрения. Достаточно распространенная практика – использование предобученных моделей на открытых датасетах. Такие модели имеют неплохие базовые навыки, однако производственные задачи крайне редко похожи на те, на которых учится базовая модель.
Дообучение такой модели или обучение ее с нуля – главное требование к большому и качественному датасету. Возникает проблема разметки таких датасетов, причем сложность представляют и объем, и качество разметки.
Например, если нам требуется оценить процент загрязненности какой-либо поверхности, то субъективная оценка пользователем может существенно различаться для одних и тех же кадров с течением времени. Если мы даем эксперту оценить один кадр с загрязненной поверхностью один раз и затем через месяц, то он, скорее всего, даст совсем другую оценку в процентах.
Существуют определенные подходы, позволяющие условно обойти эти ограничения:
- Автоматическая разметка данных: мы выбираем некоторое количество кадров, большая группа экспертов со 100%-ной вероятностью оценивает, достоверный ли это кадр, и мы начинаем кластеризацией пытаться подогнать все эти кадры в одну группу.
- Подход Metric Learning, который изначально был создан для того, чтобы подбирать товары в интернет-магазинах, но достаточно неплохо зарекомендовал себя и в производственных задачах.
Однако остается вопрос про неоднородные и сложноструктурированные данные.
Когда мы говорим о производстве, то, скорее всего, на любом большом производстве есть такая система, как MES (Manufacturing Execution System), – система управления производственными процессами, которая решает задачи синхронизации, координации, анализа и оптимизации выпуска продукции на производстве. То есть мы прослеживаем единицы, которые обрабатываем, и информация об этих единицах обработки бывает сложноструктурированная.
Где-то нам приходится "мапить" (отображать) по одним ключам, где-то по другим. В третьем случае нам приходится мапить данные вообще по временным меткам. Камеры машинного зрения, как правило, ничего не знают о каких-то единицах обработки, они просто видят картинку. Например, подъезжает автомобиль, разгружается погрузчик или кран везет какую-то упаковку нашего сырья или готовой продукции. Поэтому перед специалистами стоит задача такого сложного мапинга.
Машинное зрение предполагает потоковую обработку видео в реальном времени. Для обучения наших моделей мы должны иметь очень большие архивы видеоданных. Соответственно, сбор таких архивов невозможен без предварительной установки камер, настройки и поднятия инфраструктуры. Без этого просто так взять и быстро проверить гипотезу, особенно если продукт очень большой и сложный, затруднительно.
Воспроизводимость математических моделей
Отдельный вопрос к моделям в производственной среде – воспроизводимость и прозрачность. Если вы обучаете модель, и она у вас на конкретном примере выдает ответ – "единичку", то вполне возможно, что позже при эксплуатации в схожих условиях она выдаст ответ – "нолик". Тогда вам, как специалисту по машинному обучению, придется дать бизнесу четкий ответ, почему же модель так решила.
Мы знаем, что нейросети и градиентные бустинги – это модели неинтерпретируемые. То есть нельзя однозначно сказать, почему модель решила так, а не иначе. Тогда в ход идут различные ухищрения по поводу воспроизводимости обучения моделей, например логирование всех выходных артефактов – весов модели, вплоть до того, кто и в какое время эту модель построил.
Дата-инженеры говорят, что нельзя просто так перегнать данные из одной базы данных в другую и сказать, что это те же самые данные. Считается, что данные при переносе становятся совсем другими, поэтому приходится логировать абсолютно всё – все артефакты разработки моделей, даже если это какие-то промежуточные результаты, чтобы мы могли позже к этой версии модели вернуться.
Промышленно-опытная эксплуатация
Создав модель и развернув инфраструктуру, мы приступаем к промышленно-опытной эксплуатации системы машинного зрения. На производственном этапе от нашей модели ожидают точности, приближенной к 100%.
У пользователей систем машинного зрения определенный образ мышления, и если система в пяти случаях из ста ошибается, то к вам будут предъявлены большие претензии – "мне система не помогает, только отвлекает".
Какие здесь могут быть решения?
Опыт подсказывает, что машинное зрение – это технология, достаточно зависимая от внешних условий. Нам постоянно нужно:
- поддерживать хорошую связь с камерой;
- поддерживать хорошие условия съемки;
- иметь очень качественную модель.
Сразу добиться идеального сочетания этих обстоятельств сложно, поэтому для подстраховки мы подкрепляем видеоаналитику данными IoT. Это могут быть различные RFID-метки, сигналы GPS и прочих датчиков, например открытия/закрытия задвижки, концевых датчиков, датчиков весов и т.д.
Например, если вы отслеживаете автомобиль внутри складского помещения или цеха и вам нужно подтвердить, что в данный момент автомобиль находится в опасной зоне или там, где он должен находиться, будет здорово подкрепить данные умного видеонаблюдения информацией с датчиков лидаров. Если крупный объект попал в эту зону, мы придаем уверенности данным нашей нейросети и утверждаем, что с вероятностью 99,9% наша нейросеть права.
Другой способ подтверждения – подход с голосованием. То есть нейросеть показывает, что к нам приехал автомобиль, мы назначаем этому ответу вес 70%, дополнительно берем датчик с весовой платформы, которая регистрирует, что что-то тяжелое действительно встало в это место.
Мы назначаем этой информации вес 30%. Это позволяет подстраховаться, и в случае, если камера будет выдавать плохую картинку, наша система продолжит надежно работать.
Особенности обслуживания видеокамер
Условия работы видеокамер на производстве очень сложные. На них воздействуют вибрация, высокие или низкие температуры, происходит запыление объективов. Влияние негативных факторов следует минимизировать.
Основное решение – применение взрыво- и температурозащищенных кожухов, различных механизмов, протирающих линзы и т.д. Но бывает так, что не всегда камеру можно установить там, где можно подвести определенные коммуникации, например сжатый воздух, чтобы обдуть объектив. Поэтому мы прибегаем к силам машинного обучения, условно просчитывая градиент по резкости и изменению кадров. Если резкость значительно падает, значит, пора проводить техническое обслуживание видеокамеры.
Данные мероприятия необходимы именно в момент промышленно-опытной эксплуатации, когда пользователи еще не очень привыкли к нашей системе и наиболее лояльны к ней.
Промышленно-опытная эксплуатация
Производственная эксплуатация
Данный этап предполагает эксплуатацию готового, протестированного и отложенного решения. Требования к точности становятся еще жестче, и просто так, например, обновить модель нам нельзя, до этого ее следует протестировать.
Построение тестового стенда
Сложность тестирования систем с использованием машинного зрения заключается в том, что мы можем обучить новую модель, прогнав ее на записях из видеоархива прошлогодней давности. Однако при этом мы не будем уверены в результате: даже если на предыдущих данных наша модель работала хорошо, то не обязательно она также хорошо будет работать сегодня, потому что данные и условия могли измениться: мы могли заменить настройки или установить новые видеокамеры, могло измениться освещение, погодные условия и т.д.
Для точных результатов имеет смысл проводить тестирование в так называемом клоне продакшн-системы. Это значительно дороже, так как нам придется создать точно такой же контур, как и для действующей системы, – фактически мы будем иметь рядом две системы, работающие одновременно. Это так называемая парадигма тестирования или разворачивания blue-green, когда один стенд является действующим и работающим, а на второй стенд пользователи не смотрят, но по сути он также является полноценной системой.
Журналирование
При промышленной эксплуатации обязательно требуется журналирование всех наших решений, чтобы впоследствии мы могли дать четкую обратную связь производству.
Взаимодействие с конечным пользователем
Производственный персонал, со своей стороны, также должен иметь возможность оставлять обратную связь. Например, если оператор пользуется системой и видит ее неисправность, он должен иметь возможность составить замечание, выделить карандашом на фотографии тот объект, который не распознался, или зачеркнуть его.
С одной стороны, обратная связь повышает интерес пользователя к системе, пользователь понимает, что действительно может влиять на свою работу и на те инструменты, которыми он пользуется. С другой стороны, таким образом собираются датасеты, которые размечены непосредственно конечными пользователями.
Непрерывное улучшение моделей
Модели должны постоянно обновляться, улучшаться и переобучаться. Переобучение моделей видеоаналитики всегда связано с накоплением видеоархивов. Вопросы, которые стандартно возникают в этой связи: как построить видеоархив, сколько его хранить и какие мощности для этого понадобятся? Есть готовые вендорские решения, возможно даже open source, где мы можем хранить очень большое количество файлов распределенно.
Второй вариант – можно писать свои собственные решения, что также является рабочим вариантом, но менее продуктивным.
С подробным описанием кейсов применения машинного зрения на производстве можно ознакомиться в блоге группы НЛМК: https://habr.com/ru/companies/nlmk/profile/
Иллюстрация предоставлена автором
Опубликовано в журнале "Системы безопасности" № 1/2024
Все статьи журнала "Системы безопасности"
доступны для скачивания в iMag >>
Фото: ru.freepik.com
- Безопасность объектов (313)
- Пожарная безопасность (281)
- Видеонаблюдение (279)
- Комплексная безопасность (279)
- СКУД (260)
- Транспортная безопасность (172)
- Пожарная сигнализация (141)
- Каталог "Пожарная безопасность" (129)
- Мнения экспертов (118)
- Цифровая трансформация (115)
- Видеоаналитика (109)
- Видеокамеры (99)
- Биометрия (97)
- Искусственный интеллект (88)
- Пожаротушение (64)
- Цифровое ЖКХ (61)
- Места с массовым пребыванием людей (59)
- Информационная безопасность (57)
- Киберзащита (57)
- Журнал "Системы безопасности" №1/2021 (48)
- Журнал "Системы безопасности" №6/2023 (48)
- Ритейл (48)
- Охрана периметра (46)
- Журнал "Системы безопасности" №6/2021 (45)
- Журнал "Системы безопасности" №2/2022 (43)
- Беспроводные технологии (42)
- Журнал "Системы безопасности" №1/2022 (42)
- Журнал "Системы безопасности" №1/2023 (42)
- Журнал "Системы безопасности" №5/2022 (41)
- Журнал "Системы безопасности" №5/2024 (41)
- Журнал "Системы безопасности" №6/2022 (41)
- Журнал "Системы безопасности" №2/2020 (40)
- Журнал "Системы безопасности" №3/2020 (39)
- Журнал "Системы безопасности" №3/2022 (39)
- Журнал "Системы безопасности" №5/2023 (39)
- Журнал "Системы безопасности" №6/2019 (39)
- Умный дом (39)
- Журнал "Системы безопасности" №1/2024 (38)
- Журнал "Системы безопасности" №4/2023 (38)
- Журнал "Системы безопасности" №4/2024 (38)
- Журнал "Системы безопасности" №5/2021 (38)
- Технологии распознавания (38)
- Журнал "Системы безопасности" №4/2022 (37)
- Журнал "Системы безопасности" №2/2021 (36)
- Журнал "Системы безопасности" №3/2023 (36)
- Журнал "Системы безопасности" №5/2020 (36)
- ТЭК и нефтегаз (36)
- Журнал "Системы безопасности" №3/2021 (35)
- Журнал "Системы безопасности" №4/2020 (35)
- Журнал "Системы безопасности" №1/2020 (34)
- Защита от БПЛА (34)
- Рынок безопасности (34)
- Журнал "Системы безопасности" №2/2023 (33)
- Журнал "Системы безопасности" №2/2024 (33)
- Журнал "Системы безопасности" №6/2020 (33)
- Журнал "Системы безопасности" №5/2019 (31)
- Журнал "Системы безопасности" №4/2021 (30)
- Тепловидение (30)
- Автоматизация зданий (29)
- Журнал "Системы безопасности" №1/2025 (29)
- Журнал "Системы безопасности" №6/2024 (29)
- Центры обработки данных (ЦОД) (29)
- Интернет вещей (IoT) (28)
- Умный город (28)
- Журнал "Системы безопасности" №3/2024 (27)
- Машинное зрение (27)
- Антидрон (26)
- Идентификация (26)
- Журнал "Системы безопасности" №4/2019 (25)
- Нейросети (25)
- СОУЭ (25)
- Безопасность (24)
- Импортозамещение (24)
- Транспорт (24)
- Облачные технологии (23)
- Журнал "Системы безопасности" №3/2019 (22)
- Новости компаний (20)
- Охрана труда и промышленная безопасность (ОТиПБ) (20)
- Банки и финансы (19)
- Промышленность (19)
- PSIM (17)
- Антитеррор (17)
- НВП "Болид" (17)
- COVID-19 (15)
- Досмотр (15)
- Охрана объектов (15)
- Интеграция (14)
- Аргус-Спектр (13)
- Безопасный город (13)
- Исследование (13)
- Турникеты (13)
- Итоги (12)
- Охранная сигнализация (12)
- Рейтинги (12)
- Системы хранения данных (СХД) (12)
- Удаленный доступ (12)
- All-over-IP (11)
- Beward (11)
- Автоматизация (11)
- Домофоны (11)
- Извещатели (11)
- Проектирование и монтаж (11)
- ТБ Форум (11)
- BioSmart (10)
- CCTV (10)
- МЧС России (10)
- Распознавание лиц (10)
- Сертификация (10)
- IdM (9)
- PERCo (9)
- Взрывозащита (9)
- Дайджест (9)
- Интервью (9)
- Источники бесперебойного питания (ИБП) (9)
- Роботизация (9)
- Axis Communications (8)
- Стрелец-ПРО (8)
- ААМ Системз (7)
- АРМО-Системы (7)
- Авиакомпании и аэропорты (7)
- БАС (7)
- Болид (7)
- ИТ-инфраструктура (7)
- Метрополитен (7)
- ПБ (7)
- Программное обеспечение (7)
- DSSL (6)
- Бизнес, идеи и мнения (6)
- Лидеры технологий (6)
- Радиоканальные системы (6)
- АСУ ТП (5)
- Беспилотники (5)
- Законодательство (5)
- Индустрия 4.0 (5)
- Компании (5)
- Металлургия (5)
- Мобильный доступ (5)
- Шлагбаумы (5)
- IDIS (4)
- ITV Group (4)
- PERCo-Web (4)
- Бюро Технического Развития (4)
- Журнал "Системы безопасности" (4)
- Журнал "Системы безопасности" №2/2025 (4)
- ИПДА (4)
- ИТ-отрасль (4)
- Коммутаторы (4)
- Машинное обучение (4)
- ОПС (4)
- Регулирование (4)
- Ситуационные центры (4)
- ТД Актив-СБ (4)
- Тестирование (4)
- Трибуна заказчика (4)
- BIM-технологии (3)
- Smartec (3)
- dormakaba (3)
- АСКУЭ (3)
- АУП (3)
- Агрокомплекс (3)
- Алкотестер (3)
- Астрон (3)
- Безопасность КИИ (3)
- Важные люди (3)
- Гибридная война (3)
- Защита информации и связи, кибербезопасность (3)
- Информационные технологии (3)
- Колонка эксперта (3)
- Конференции (3)
- Критически важные объекты (КВО) (3)
- Мероприятия по безопасности (3)
- Микроэлектроника (3)
- Персональные данные (3)
- Промышленная автоматизация (3)
- Противотаранные устройства (3)
- СУРВ (3)
- Сельское хозяйство (3)
- ТЕКО (3)
- Умные парковки (3)
- Учет рабочего времени (3)
- Эксклюзив (3)
- 5G (2)
- ACaaS (2)
- EverFocus (2)
- IT-системы (2)
- Iron Logic (2)
- PALMJET (2)
- PCI DSS (2)
- Parsec (2)
- RPA (2)
- RusGuard (2)
- SaaS (2)
- Synology (2)
- TRASSIR (2)
- Vidau Systems (2)
- ZKTeco (2)
- АО "ОКБ "АСТРОН" (2)
- Аналитика (2)
- Астра-А (2)
- Аттестация (2)
- Аттестация персонала (2)
- Безопасность данных (2)
- Беспроводные системы (2)
- Виртуальный рабочий стол (2)
- Главгосэкспертиза (2)
- Делетрон (2)
- ИТС (2)
- Инновации (2)
- Кабельная продукция (2)
- Категорирование (2)
- Контроллеры (2)
- Корпоративная безопасность (2)
- Метро (2)
- Минтранс (2)
- Объекты культурного наследия (2)
- Охранный мониторинг (2)
- ПО (2)
- Производитель (2)
- РЖД (2)
- Росгвардия (2)
- ССОИ (2)
- Современный офис (2)
- Стандарты, нормы и требования (2)
- Строительная экспертиза (2)
- Термокожухи (2)
- Тоннели (2)
- Удаленная работа (2)
- Хранение оружия (2)
- ЦеСИС НИКИРЭТ (2)
- Цифровизация (2)
- Цифровые технологии (2)
- Энергетика (2)
- логистика (2)
- 3D-моделирование (1)
- Ajax (1)
- Axis Talk 2021 (1)
- BARNET (1)
- BIM- моделирование (1)
- BYOD (1)
- Basler AG (1)
- Beyond Security (1)
- Big Data (1)
- Bosch (1)
- CMOS-технология (1)
- COPE (1)
- ChatGPT (1)
- Cloud4Y (1)
- D-link (1)
- DBaaS (1)
- DCImanager (1)
- DDoS-атаки (1)
- DIS Group (1)
- Dahua (1)
- Deep Learning (1)
- EAS-система (1)
- EKF (1)
- Edge AI + Vision (1)
- Face ID (1)
- FaceStation 2 (1)
- Faceter Russia (1)
- Flamax (1)
- GDPR-террористы (1)
- Grundig Security (1)
- HID Global (1)
- HR Tech (1)
- Hanwha Techwin (1)
- Hi-Tech Security (1)
- Hikvision Russia (1)
- Hrtech (1)
- IP-коммуникации (1)
- IP-протокол (1)
- IP-системы (1)
- ISPsystem (1)
- IT-инфраструктура (1)
- IaaS (1)
- InPrice Distribution (1)
- InfoWatch Traffic Monitor (1)
- Intel (1)
- Intelligent Video (1)
- Milestone Systems (1)
- Mission Critical (1)
- NAS (1)
- NFC (1)
- NFC BLE (1)
- NOVIcam (1)
- NVR (1)
- OSDP (1)
- OSRAM (1)
- ParsecNET 3 (1)
- Phoenix Contact (1)
- QNAP (1)
- QR-коды (1)
- RPA-платформы (1)
- RecFaces (1)
- SIP (1)
- SVA/SVI (1)
- SVP/SVZ (1)
- Seagate (1)
- Seagate Technology (1)
- SecuriSmoke (1)
- Securika Moscow (1)
- Sicurezza (1)
- Sigur (1)
- Synology DVA3219 (1)
- UEM SafeMobile (1)
- Ultra-Wideband (1)
- VMS (1)
- VUCA-мир (1)
- deepfake (1)
- e-commerce (1)
- e-сommerce (1)
- eIVP1570 VE (1)
- АМТ-ГРУП (1)
- АНВ (1)
- АПС rubetek (1)
- АСУДД (1)
- Адресные СПС (1)
- Аспирационные системы (1)
- Астра-Z-8845 (1)
- Астра-Zитадель (1)
- Астра-РИ-М (1)
- БГ-Оптикс (1)
- БайтЭрг (1)
- Бесконтактный сканер (1)
- Беспилотный транспорт (1)
- Бизнес (1)
- Биотехнологии (1)
- Большие данные (1)
- Бун Эдам (1)
- В2В (1)
- В2С (1)
- Вентиляция (1)
- Верификация (1)
- Виртуальный ассистент (1)
- Вирусная активность (1)
- Вишинг (1)
- Всероссийский союз страховщиков (1)
- Гениус Первый (1)
- Гибридная пена (1)
- Государственный надзор (1)
- Дактилоскопия (1)
- Деловая программа (1)
- Дистанционное обучение (1)
- Добродел (1)
- ЕБС (1)
- Евразийский экономический союз (1)
- Европейский союз (1)
- ЖКУ (1)
- Зимняя вишня (1)
- ИИС (1)
- ИКАО (1)
- ИПДЛ (1)
- ИСБ (1)
- ИСО Орион (1)
- ИСП (1)
- ИТРИУМ СПб (1)
- Игорь Олейник (1)
- Иконоскоп Зворыкина (1)
- Интеллектуальные транспортные системы (1)
- Интернет (1)
- Интером (1)
- Источники информации (1)
- К2Тех (1)
- Квантовые вычисления (1)
- Киберугрозы (1)
- Колонка редактора (1)
- Контрафактная продукция (1)
- Контроллер Matrix-VI (1)
- Контроль доступа (1)
- Конфиденциальная информация (1)
- Логический доступ (1)
- МГП ЗАРЯ (1)
- МФСБ (1)
- МЦД (1)
- Малленом Системс (1)
- Менеджер по продажам СБ (1)
- Методы защиты информации (1)
- Метрология (1)
- Микропроцессоры (1)
- Минимизация последствий ЧС (1)
- Минэнерго (1)
- Минэнерго России (1)
- Мировая урбанизация (1)
- Мобильные мошенники (1)
- Модули подключения (1)
- Морская безопасность (1)
- Мосгортранс (1)
- Московский метрополитен (1)
- Мошеннические схемы (1)
- Мощность излучения (1)
- НПЗ (1)
- НПК "Фотоника" (1)
- Нетворк Профи (1)
- Ниеншанц-Автоматика (1)
- Новости (1)
- ОКБ "Гамма" (1)
- ОС QuTS hero (1)
- ОТИ (1)
- Огневые испытания (1)
- Опрос онлайн (1)
- Оптимизация систем безопасности (1)
- Отраслевые сайты по безопасности (1)
- Отрасль (1)
- Охранные системы (1)
- ПАО "КАМАЗ" (1)
- ПК (1)
- Пентест (1)
- Передатчик (1)
- Персоны (1)
- Пожтехника (1)
- Полупроводники (1)
- Развитие экономики (1)
- Результаты сертификации (1)
- Росжелдор (1)
- Росморречфлот (1)
- Ростехнадзор (1)
- Рынок ИТ (1)
- СБ "Марит" (1)
- СМК (1)
- Самарский метрополитен (1)
- Самолет-амфибия (1)
- Сбербанк (1)
- Сверхвысокочастотный сигнал (1)
- Сенсорные барьеры (1)
- Система измерения (1)
- Системы безопасности (1)
- Системы защиты с трибоэлектрическим кабелем (1)
- Системы позиционирования (1)
- Системы связи и мониторинга (1)
- Сканер отпечатков пальцев (1)
- Сканирование пассажиров в метро (1)
- Сколково (1)
- Смарт-считыватели (1)
- События (1)
- Советы менеджерам (1)
- Социальная инженерия (1)
- Стивен Кови (1)
- Стрелец-Мониторинг (1)
- Строительство (1)
- Считыватели (1)
- Считыватели рисунка вен (1)
- Т8 Сенсор (1)
- ТЕНЗОР (1)
- ТПУ (1)
- ТСПО (1)
- Тайм менеджмент (1)
- Телевидение (1)
- Телеком (1)
- Телефонные мошенники (1)
- Терагерцовая технология (1)
- Термометрия (1)
- Тест (1)
- Технологии (1)
- Управление доступом (1)
- Управляемый хаос (1)
- ФСБ (1)
- ФСТЭК (1)
- Фиксация нарушений ПДД (1)
- Форум (1)
- Центр ФСБ России (1)
- Цикл продаж СБ (1)
- Чат-бот (1)
- Широкополосный доступ (1)
- Шоплифтер (1)
- Экономическая безопасность (1)
- Экспертиза (1)
- Электрозамки (1)
- Электромагнитная совместимость (1)
- Эпоха диджитализации (1)
- виртуальная реальность (1)
- здравоохранение (1)
- маркетинг (1)
- процессоры (1)
- связь (1)
- фишинг (1)
- Апрель 2025 (20)
- Март 2025 (22)
- Февраль 2025 (17)
- Январь 2025 (17)
- Декабрь 2024 (21)
- Ноябрь 2024 (26)
- Октябрь 2024 (24)
- Сентябрь 2024 (22)
- Август 2024 (23)
- Июль 2024 (23)
- Июнь 2024 (18)
- Май 2024 (23)
- Апрель 2024 (20)
- Март 2024 (20)
- Февраль 2024 (19)
- Январь 2024 (25)
- Декабрь 2023 (30)
- Ноябрь 2023 (24)
- Октябрь 2023 (19)
- Сентябрь 2023 (23)
- Август 2023 (26)
- Июль 2023 (21)
- Июнь 2023 (20)
- Май 2023 (24)
- Апрель 2023 (17)
- Март 2023 (21)
- Февраль 2023 (24)
- Январь 2023 (24)
- Декабрь 2022 (32)
- Ноябрь 2022 (28)
- Октябрь 2022 (24)
- Сентябрь 2022 (25)
- Август 2022 (21)
- Июль 2022 (24)
- Июнь 2022 (27)
- Май 2022 (24)
- Апрель 2022 (24)
- Март 2022 (27)
- Февраль 2022 (21)
- Январь 2022 (22)
- Декабрь 2021 (25)
- Ноябрь 2021 (23)
- Октябрь 2021 (24)
- Сентябрь 2021 (25)
- Август 2021 (24)
- Июль 2021 (26)
- Июнь 2021 (30)
- Май 2021 (25)
- Апрель 2021 (25)
- Март 2021 (22)
- Февраль 2021 (17)
- Январь 2021 (17)
- Декабрь 2020 (23)
- Ноябрь 2020 (19)
- Октябрь 2020 (17)
- Сентябрь 2020 (16)
- Август 2020 (23)
- Июль 2020 (20)
- Июнь 2020 (22)
- Май 2020 (16)
- Апрель 2020 (26)
- Март 2020 (22)
- Февраль 2020 (17)
- Январь 2020 (20)
- Декабрь 2019 (21)
- Ноябрь 2019 (12)
- Октябрь 2019 (18)
- Сентябрь 2019 (24)
- Август 2019 (14)
- Июль 2019 (17)
- Июнь 2019 (17)
- Май 2019 (13)
- Апрель 2019 (18)
- Март 2019 (18)
- Февраль 2019 (25)
Поделитесь вашими идеями