К нам обратилось крупное предприятие, где безопасность сотрудников является приоритетом, для решения ниже описанных проблем.
Высокий риск несчастных случаев: сотрудники иногда случайно или намеренно заходили в опасные зоны с высокой вероятностью травм.
Сильное влияние человеческого фактора на безопасность: охрана не всегда своевременно замечала нарушения, а устаревшие системы контроля доступа давали сбои.
Отсутствие аналитики: предприятие не имело инструментов для анализа частоты и причин нарушений, что мешало улучшению процессов безопасности.
Клиент запросил автоматизированное решение с сохранением существующей инфраструктуры.
Решение
Для решения задачи компания разработала комплексную систему на основе машинного зрения, которая включала несколько компонентов.
Камеры видеонаблюдения с нейросетевым анализом
Существующие камеры были перенастроены на работу с программным обеспечением на базе нейросетей.
ПО позволило распознавать объекты (люди, транспорт, оборудование) и определять их местоположение относительно опасных зон.
Модуль геозон и предиктивного анализа
Созданы виртуальные границы («геозоны») для всех опасных участков.
Использован предиктивный алгоритм для оценки риска заступа сотрудника на опасную территорию, основанный на траектории движения.
Интеграция с системами оповещения
При нарушении границ геозоны система в реальном времени отправляет уведомления на смартфоны/ПК ответственных лиц и активирует звуковое/световое оповещение.
Модуль аналитики и отчетности
Хранение данных обо всех инцидентах.
Генерирация отчетов с детальным описанием, включая временные метки, видеозаписи и вероятные причины нарушений.
Задействованные нейросети и подмодули
YOLO (You Only Look Once) — для детекции объектов: распознавание людей и оборудования в реальном времени.
DeepLab — для сегментации изображений: определение точных границ опасных зон.
LSTM (Long Short-Term Memory) — для предиктивного анализа: прогнозирование траектории движения объектов.
Custom Ensemble Models: интеграция нескольких нейросетевых технологий для повышения точности.
Natural Language Processing (NLP): анализ текстовых отчетов и автоматическая генерация рекомендаций по улучшению безопасности.
Работа системы
Система контролирует заступ на опасную территорию с помощью машинного зрения и предиктивного анализа.
Камеры видеонаблюдения с нейросетевым анализом
Обрабатывают видеопоток с помощью YOLO для распознавания людей, техники и оборудования.
Виртуальные границы («геозоны») определяют опасные участки.
LSTM анализирует траекторию движения и прогнозирует вероятность заступа.
Интеграция с системами оповещения
В случае нарушения система отправляет уведомления на смартфоны/ПК и активирует звуковые/световые сигналы.
Модуль аналитики и отчетности
Фиксирует и хранит все инциденты с временными метками и видеофрагментами.
NLP анализирует отчеты и формирует рекомендации по улучшению безопасности.
Система снижает число несчастных случаев, повышает эффективность охраны и интегрируется с существующей инфраструктурой без значительных затрат.
Полученные результаты
Снижение несчастных случаев на 70%: благодаря своевременным предупреждениям и аналитике частота инцидентов существенно уменьшилась.
Повышение эффективности охраны на 40%: уменьшилось количество ложных тревог, а сотрудники службы безопасности сосредоточились на реальных угрозах.
Экономия 30% на затратах по модернизации инфраструктуры: система интегрировалась с существующими камерами и инфраструктурой.
Улучшение внутренней культуры безопасности: аналитика помогла выявить наиболее частые причины нарушений, что позволило провести обучение и внедрить корректирующие меры.
В результате проект стал успешным примером использования ИИ для повышения безопасности и эффективности промышленных объектов.
У вас есть запрос на разработку?
Свяжитесь с нами по почте request@codeinside.ru и мы поможем вам реализовать проект.