Видеоаналитика и платформа цифрового аудита
• Автоматизация и упрощение процесса соблюдения регламентов, установленных на предприятии • Автоматизация мониторинга объектов, которая позволит сэкономить время сотрудников • Усовершенствование процесса анализа строительных работ, которое сдел...

Задача
Промышленным предприятиям и строительным объектам нужен постоянный контроль: соблюдение регламентов, фиксация хода работ, учёт въезда техники, мониторинг грузов. Ручной обход и экспертные проверки не масштабируются: людей не хватает, данные неточны, нарушения фиксируются постфактум. Нужна система, которая автоматически контролирует объект через существующие камеры и формирует отчёты о нарушениях в реальном времени.
Решение
Мы разработали платформу цифрового аудита на базе компьютерного зрения и нейросетевых технологий. Система подключается к действующим камерам на предприятии и ведёт автоматический мониторинг по нескольким направлениям одновременно.
Отслеживание изменений на объекте: Нейросеть сравнивает снимки, сделанные в разное время, и количественно оценивает ход строительных или технологических работ. Система автоматически фиксирует, какие зоны изменились и на сколько.
Обнаружение и подсчёт объектов: Распознаёт и считает людей, оборудование, инструменты на территории. Каждый объект выделяется отдельным цветом, ведётся трекинг перемещений. Пример: люди, строительные леса, ёмкости.
Контроль въезда и выезда техники: Автоматическое распознавание госномера и модели транспортного средства. Фиксация времени и даты въезда/выезда каждой единицы техники на территорию предприятия.
Распознавание груза: Система видит, что находится в кузове при въезде и выезде. Сравнивает ввозимый и вывозимый груз, идентифицирует транспортное средство и его содержимое.
Выявление нарушений: Автоматическая проверка соответствия требованиям: наличие весов в зоне погрузки, соблюдение времени остановки в зоне досмотра, другие регламентные параметры. Все нарушения фиксируются в отчёт с меткой времени и кадром.
Технологии
Object Detection, Semantic Segmentation, Re-Identification, ANPR (распознавание номеров), нейросетевые архитектуры на TensorFlow/PyTorch. Поддержка существующей инфраструктуры видеонаблюдения. Веб-интерфейс администратора с панелью событий и формированием отчётов.
Результат
Предприятие получает автоматизированный надзор за объектом без увеличения штата. Нарушения регламентов выявляются в момент возникновения, а не по итогам ручного обхода. Ход строительных и технологических работ фиксируется количественно: руководство видит динамику изменений по датам. Контроль въезда техники и грузов становится прозрачным и документированным, что снижает риски подлогов и злоупотреблений.
Решение разворачивается на строительных объектах, промышленных предприятиях, логистических комплексах, добывающих объектах.
Похожие кейсы
Машинное зрение
Машинное зрение + LLM на промышленном объекте: выявлены хищения в пилоте
Юнипро: контроль ввоза/вывоза транспорта и строительных работ на энергетическом объекте — машинное зрение, Large Vision Model и LLM. В пилоте выявлены хищения, сумма которых превысила стоимость проекта.
Машинное зрение
Разработка модели по распознаванию и выделению контентной части документа
На вход системе подается набор однообразных документов. Необходимо построить систему, которая сможет заполнять электронную версию этих документов с высокой точностью. Требуется построить как средство разметки, так и модель распознаванию, основанну...
Машинное зрение
Разработка онлайн примерочной чехлов для диванов
Еврочехол: AR-примерочная на сайте — покупатель загружает фото своего дивана и видит, как на нём будет смотреться выбранный чехол. Снижение возвратов на 15%, рост конверсии.