Przebieg projektu
Zespół z Gdańska przedstawił kilka pomysłów na rozwiązania oparte na Raspberry Pi 5. Autor każdego z nich miał szansę zaprezentować go przed pozostałymi i pokazać, dlaczego byłby to dobry wybór. Inżynierowie ocenili, jakie kompetencje mogą rozwinąć w ramach poszczególnych projektów i jak wpisują się one w profil firmy. Analizowali możliwości adaptacji pod różne branże, zakres potrzebnych kompetencji oraz budżet. Ważny był również potencjał dalszego rozwoju. Na tej podstawie, członkowie zespołu wybrali w głosowaniu system powitalny z rozpoznawaniem twarzy i sztuczną inteligencją.
Celem prac było stworzenie systemu, który przy użyciu sensorów i odpowiednich rozwiązań technologicznych będzie mógł weryfikować osoby odwiedzające siedzibę GlobalLogic i odpowiednio reagować na ich przybycie. Technologia rozpoznawania twarzy oraz algorytmy sztucznej inteligencji umożliwiły automatyzację procesu i tworzenie spersonalizowanych komunikatów dla konkretnych członków zespołu. Rozwiązanie pozwala na pozostawianie indywidualnych wiadomości oraz informuje wskazane osoby o każdej wizycie w firmie.
Prototyp oparto na języku Python, co pozwoliło na szybkie testowanie i implementację prostego programu wymaganego do realizacji projektu. Mimo że pierwsze wersje systemu nie były złożone, zapewniały wystarczające funkcjonalności do przetestowania kluczowych założeń i dalszego rozwoju. Do budowy GUI dostępnego przez stronę internetową został wykorzystany Javascript/Typescript. To na nim oparto backend całej strony.
Zaangażowani Embedded Developerzy mieli unikalną możliwość pracy bezpośrednio z fizycznym sprzętem i sensorami. To pozwoliło im na głębsze zrozumienie możliwych praktycznych zastosowań technologii. Konieczność integracji różnych komponentów, jak kamery, mikrofony i czujniki ruchu wymagała umiejętności programistycznych oraz zdolności do rozwiązywania wyzwań hardware’owych.
Specjaliści uczestniczący w projekcie mieli również szansę na praktyczną naukę i zastosowanie technik machine learning (ML) w rzeczywistych warunkach. Zespół wykorzystał istniejące, wstępnie wytrenowane modele, do wykrywania i rozpoznawania. Stworzył proces niezbędny do dokładnego rozpoznawania osób, który został zintegrowany z programem na Raspberry Pi. Praca nad tym aspektem projektu obejmowała nie tylko programowanie, ale także zbieranie i analizę danych, co pozwoliło lepiej zrozumieć działanie i możliwości algorytmów. Dzięki temu developerzy zyskali cenne doświadczenie w zakresie budowania, testowania i optymalizacji modeli sztucznej inteligencji, co zwiększyło ich kompetencje w jednym z najszybciej rozwijających się obszarów technologicznych.
Kluczowym aspektem prac było zintegrowanie systemu z bazą danych. Umożliwiło to zautomatyzowanie procesów i pozwoliło na przechowywanie ważnych informacji służących algorytmom do realizowania powierzonych zadań. Programiści skupili się na zapewnieniu sprawnego funkcjonowania bazy danych oraz jej integracji z innymi elementami systemu.