ГАЛИТ
НАША МИССИЯ - РАЗРАБОТКА РЕШЕНИЙ В ОБЛАСТИ АВТОМАТИЗАЦИИ ПРОИЗВОДСТВЕННЫХ ПРОЦЕССОВ
LITOS — интеллектуальный классификатор сыпучих материалов
Наш флагманский программно-аппаратный комплекс определяет гранулометрический состав щебня, гравия, руд и других сыпучих материалов в режиме реального времени прямо на конвейере, в ковшах и вагонах. Система использует сверточные нейронные сети и компьютерное зрение для анализа как статических, так и динамических изображений, что делает её в разы быстрее и точнее традиционного лабораторного рассева.
Преимущества: отсутствие ручного труда, экономия времени, высокая прецизионность, быстрая окупаемость.
Клиенты: железнодорожные и автодорожные строители, горнодобывающие и обогатительные компании, транспортные и логистические операторы.
Инжиниринг и кастомная разработка
Проектирование и создание ПО для задач машинного зрения, машинного обучения и роботизации.
Системная интеграция: объединяем новые AI-модули с вашими MES/SCADA/ERP-системами.
Обработка и визуализация больших данных, построение цифровых двойников.
Размещение, сопровождение и техническая поддержка решений on-premise или в облаке.
Направления разработки
ДЕЯТЕЛЬНОСТЬ КОМПАНИИ НАПРАВЛЕНА НА РЕАЛИЗАЦИЮ НАУКОЕМКИХ IT-ПРОЕКТОВ В СФЕРЕ АВТОМАТИЗАЦИИ ПРОИЗВОДСТВЕННОГО ПРОЦЕССА С ПРИМЕНЕНИЕМ СИСТЕМ КОМПЬЮТЕРНОГО ЗРЕНИЯ.
В основе наших решений лежит продуманный технологический стек, который сочетает зрелые индустриальные инструменты и новейшие open-source-разработки. Ядро алгоритмов мы пишем на Python, а вычислительно интенсивные модули выносим на C/C++ и Rust, чтобы выжать максимум производительности. Для обучения и инференса нейронных сетей используем PyTorch и TensorFlow/Keras, после чего оптимизируем модели через ONNX и NVIDIA TensorRT — так мы добиваемся стабильной работы как в облаке, так и на edge-устройствах.
Компьютерное зрение строится на связке OpenCV, Albumentations и современных детекторов вроде YOLOv8 и Detectron2; это позволяет быстро адаптировать классификаторы к новым материалам и условиям съёмки. Серверная логика развёртывается на FastAPI или Django, а для высокопроизводительных микросервисов мы применяем gRPC. Данные храним в PostgreSQL и TimescaleDB, когда важна временная аналитика, либо в MongoDB, если требуется гибкая схема.
Фронтенд реализуем на React с Vite или Next.js и стилизуем через Tailwind CSS; для интерактивных графиков и 3D-визуализации подключаем D3.js. Потоки сырой телеметрии прокачиваем через Apache Kafka и Redis Streams, а колоночные наборы данных храним в Parquet и передаём по Apache Arrow — так аналитики получают данные за секунды, а не часы.
Контейнеризацию и непрерывную доставку обеспечивают Docker, Kubernetes и Helm, а сборки и тесты автоматически гоняются в GitHub Actions. За метриками и логами следят Prometheus и Grafana, что даёт прозрачность каждому этапу пайплайна. Такой технологический стек позволяет нам быстро прототипировать идеи, масштабировать их до промышленного уровня и гарантировать клиентам надёжную работу как в дата-центрах, так и на перроне производственной линии.
Контакты
🔷ООО "Галит"🔷 ИНН 6163226100 КПП 616301001 ОГРН 1226100012984
Адрес:
г. Ростов-на-Дону, Театральный проспект, 85
Россия
Тел.:
Эл. почта:
info@galit.tech
