Реализованная функциональность
- Получение данных со спутника в режиме реального времени
- Разбивка данных на квадраты и обработка бинарным классификатором
- Отображение полученных данных на карте
- Возможность создания и редактирования объектов для исследования на предмет разлива нефти
Особенность проекта в следующем:
- Модель глубокого обучения
- За счёт крайне быстрого получения данных возможно пролводить анализ буквально в режиме реального времени
- Кастомизируемый веб-интерфейс под каждого конкретного заказчика с возможность создания и редактирования потенциально опасных мест(где может произойти разлив)
Основной стек технологий:
- HTML, CSS, JavaScript, React
- python 3.7, PostgreSQL
- FastAPI, Tortoise ORM,
- Celery+Redis
- Docker, Docker-compose
- Pytorch, numpy, pandas
Демо
Демо сервиса доступно по адресу: http://84.252.74.223:85/
СРЕДА ЗАПУСКА
- Все наши сервисы контейниризированы, нужен docker, docker-compose
- Запуск компонентов происходит через команду docker-compose up
- Worker: unix-like system, python 3.7, Celery[Redis]
УСТАНОВКА
Выполните
docker-compose up
Для фронта:
npm run build
...
База данных
Находится внутри контейнера, дополнительная конфигурация не требуется.
Выполнение миграций
Данные будут подтянуты автоматически после запуска воркера и скрипта для сбора данных.
РАЗРАБОТЧИКИ
Павел Емшанов python-dev middle https://t.me/PashaEmsh
Никита Семаев python-dev middle https://t.me/s6a16ec
Андрей Попов ML python https://t.me/kaino0
Даниил Дыряев ML master https://t.me/tolimanstar
Виктор Шатилов fullstack middle https://t.me/wityat
ML model: https://drive.google.com/file/d/1hX-8Ce4eL991_qMcP98ISrprPpIjplRS/view?usp=sharing