Машинное зрение + LLM на промышленном объекте: выявлены хищения в пилоте

Задача

Юнипро — одна из крупнейших генерирующих компаний России (тепловые электростанции). Задача: автоматизировать контроль въезда и выезда транспорта на территорию + отслеживать ход строительных работ. Вручную проверять каждый грузовик и фиксировать прогресс стройки — ресурсоёмко, ненадёжно, не масштабируется.

Ключевой риск: несоответствие груза в кузове тому, что указано в заказ-наряде. При ручной проверке — практически не контролируется.

Решение

Система компьютерного зрения с интегрированным LLM-анализом и корпоративным веб-приложением для операторов.

Функции системы:

1. Контроль транспорта:

• Автоматическое распознавание транспортных средств при въезде и выезде
• Считывание и верификация номерных знаков
• Идентификация типа ТС и его назначения

2. Проверка груза по заказ-наряду:

• Large Vision Model анализирует содержимое кузова грузовика через видеокамеру
• LLM сопоставляет визуальный анализ с данными заказ-наряда
• Флаги несоответствий автоматически передаются оператору для проверки

3. Мониторинг строительных работ:

• Анализ прогресса строительства по видеопотоку с нескольких камер
• Фиксация этапов выполнения работ с временными метками
• Автоматические отчёты о состоянии объектов

Технологический стек: CV, OpenCV, Large Vision Model (LVM), LLM, корпоративное веб-приложение с ролевым доступом.

Результат

В ходе пилотного запуска система выявила хищения, суммарная стоимость которых превысила общую стоимость всего проекта. ROI проекта был достигнут в течение пилотного периода.

Кейс опубликован в деловом издании UP-PRO. Представлен на конференции «ИИ в логистике» (JSON TV) как кейс 3 — «Видеоаналитика на объекте критической инфраструктуры».

Решение применимо на: промышленных предприятиях, складских комплексах, строительных площадках, энергетических объектах, портах, таможенных терминалах.

Решение применимо на: промышленных предприятиях, складских комплексах, строительных площадках, энергетических объектах, портах, таможенных терминалах. Ключевое преимущество подхода — детекция несоответствий в режиме реального времени, до того как грузовик покинул территорию. Такую видеоаналитику Z-union разворачивает на платформе Z-brain, на существующих камерах видеонаблюдения, без замены оборудования.

Эффект первого пилота: система окупилась в период самого пилота за счёт выявленных хищений. Это делает её одним из самых быстроокупаемых примеров внедрения ИИ на предприятии в портфеле Z-union.