Видеоаналитика для складов и логистики

Схема работы ИИ-видеоаналитики на складе

Камеры как инструмент управления складом

Система ИИ-видеоаналитики превращает камеры наблюдения в интеллектуальные датчики: детектирует погрузчики, палеты, людей, фиксирует события и передаёт их в WMS, СКУД или систему оповещения в реальном времени. Освещение, оптика и камера часто важнее модели - мы проектируем кадр до того, как выбираем нейросеть.

Контроль доступа в зоны хранения с верификацией по лицу и пропуску.
Детекция погрузчиков, палет и людей в режиме реального времени.
Превентивные оповещения при вторжении в опасные зоны техники.
Интеграция с WMS, СКУД и системами оповещения по REST API.

Ключевые сценарии применения

Алгоритмы машинного зрения решают конкретные задачи склада

Безопасность персонала и техники

Контроль СИЗ - каски, жилеты, очки. Обнаружение людей в опасных зонах погрузки и стеллажных проходов. Защита от пересечения пешеходных и транспортных маршрутов. Детекция падения, превышения скорости погрузчиков, приближения к краю доков.

Учёт и контроль грузов

Автоматическая фиксация приёмки и отгрузки с привязкой к событиям WMS. Сверка ASN с фактическим содержимым. Обнаружение недогрузов, пересортицы и путаницы стеллажей. Контроль комплектации палет и наличие этикеток.

Аналитика и оптимизация

Тепловые карты перемещений персонала и техники. Подсчёт людей и техники в зонах с ограниченной пропускной способностью. Анализ узких мест и dwell-time зон сборки. Загрузка погрузочных доков и эффективность смен.

Что контролирует система

От контроля доступа до оптимизации логистических потоков

Контроль доступа

Виртуальные границы вокруг зон хранения с высокомаржинальным товаром и опасными материалами. Верификация по лицу и пропуску. Мгновенное оповещение при несанкционированном проникновении. Интеграция с СКУД для привязки событий к конкретному сотруднику.

Мониторинг техники

Отслеживание погрузчиков, электрокаров и AGV как отдельных объектов. Контроль скоростного режима с аудиооповещением водителя. Запрет въезда в пешеходные зоны по геозонам. Анализ траекторий и простоев техники.

Обнаружение ЧС

Детекция падений сотрудников с автоматической рассылкой уведомлений диспетчеру. Обнаружение оставленных предметов и пожароопасных ситуаций. Фиксация событий с 30-секундным буфером до инцидента для расследования.

Приёмка и отгрузка

Автоматический подсчёт палет при въезде на док. Сверка с накладными и контроль соответствия ASN. Обнаружение повреждений упаковки - мятые коробки, порванная плёнка. Проверка наличия и корректности этикеток.

Подсчёт людей

Контроль плотности в узких проходах, лифтах и погрузочных доках. Соблюдение норм охраны труда и пожарной безопасности. Учёт людей в опасных зонах для предотвращения перегрузки.

Анализ потоков

Тепловые карты загруженности зон хранения и сборки. Оптимизация маршрутов комплектации. Анализ эффективности смен и выявление простоев. Дашборды для проактивного управления складом.

Порядок внедрения

От аудита до промышленного запуска с измеримыми метриками

01

Аудит склада

Изучаем планировку, существующие камеры, освещение, зоны хранения, маршруты техники. Анализируем требования к WMS, СКУД и системам оповещения. Определяем критические зоны: доки, стеллажи, зоны комплектации, пешеходные проходы.

02

Проектирование архитектуры

Определяем позиции камер и углы обзора, схемы освещения - линейное, купольное или коаксиальное в зависимости от задачи. Выбираем edge-инференс на Jetson Orin для низкой задержки или сервер на RTX для нагрузки от десятков камер. Проектируем интеграцию с WMS и СКУД по REST API.

03

Пилот на одном участке

Разворачиваем 2-4 камеры, edge-инференс, настраиваем алерты. Проверяем метрики на реальном потоке за 30-60 дней: precision, recall, FP rate на смену, задержка от кадра до сигнала. Фиксируем baseline и целевые KPI.

04

Обучение моделей

Собираем датасет с производства, разметка и аугментация. Дообучаем YOLO11 или YOLO26 под типы палет, погрузчиков, упаковку конкретного склада. Валидация на реальных данных, rollback-путь при деградации.

05

Промышленный запуск

Масштабируем на весь склад, настраиваем интеграцию с WMS/СКУД, подключаем дашборды и журнал инцидентов. Human-in-the-loop очередь для пограничных детекций. On-premise развёртывание, данные не покидают периметр.

06

Сопровождение

Мониторинг метрик через Prometheus + Grafana. Дообучение при смене ассортимента или сезонных изменениях. Регулярные обновления моделей, контроль drift, плановые пересмотры порогов детекции.

Конфигурации развёртывания

Параметр	Edge-инференс	Серверный
Оборудование	NVIDIA Jetson Orin Nano / NX / AGX Orin	NVIDIA RTX 4080 / RTX PRO 6000 Ada / H200
Камеры	1-4 камеры на узел	10-100+ камер на сервер
Задержка	15-50 мс на кадр	30-100 мс на кадр
Протоколы	RTSP, ONVIF, MQTT	RTSP, ONVIF, REST API, OPC UA
Стек	TensorRT, DeepStream, ONNX Runtime	TensorRT, Triton, DeepStream, NVDEC
Размещение	Near-camera, в шкафу на линии	Отапливаемое помещение, серверная
ОС	Ubuntu, Astra Linux SE, РедОС	Ubuntu, Astra Linux SE, РедОС
Зависимость от сети	Минимальная, инференс на edge	Требуется для WMS/MES интеграции

On-premise и соответствие ФЗ-152

Все вычисления выполняются в контуре заказчика - видеопоток не покидает периметр склада. Это соответствует требованиям ФЗ-152 о персональных данных и регулированию КИИ. Данные сотрудников, грузов и логистических процессов остаются внутри организации.

Типовые ошибки при внедрении

Smart Video учитывает эти риски на этапе проектирования

Слабый свет и неправильный ракурс

Модель не работает, если кадр не обеспечивает детектирование. Мы проектируем освещение и ракурсы до выбора модели - камера и свет важнее нейросети. Плохой свет = ложные срабатывания и пропуски дефектов.

Поиск одной модели на все задачи

Не все задачи требуют нейросеть. Для подсчёта людей в узком проходе достаточно классического CV с аналитическим контуром. Для детекции палет - YOLO. Мы подбираем инструмент под задачу, а не навязываем ИИ везде.

Отсутствие интеграции с WMS

Детекция без действия - просто красивая картинка. Событие должно превращаться в задачу WMS: алерт, таск, журнал инцидентов с фото, координатами и причиной. Интеграция - половина проекта.

Нет мониторинга метрик

Без precision/recall, FP rate и задержки от кадра до сигнала невозможно оценить качество системы. Мы настраиваем Prometheus + Grafana и показываем метрики в реальном времени, а не гадаем после инцидента.

Модель уходит в drift

Сезонные изменения ассортимента, новая упаковка, другой свет - модель деградирует. Мы собираем датасет с производства и дообучаем модели, а не надеемся, что pre-trained weights сработают на вашем складе.

Нет fallback-сценария

Если edge-узел недоступен, система не должна терять детекцию полностью. Мы проектируем отказоустойчивую архитектуру с переключением на серверный инференс и сохранением событий в локальный буфер.

Техническая архитектура решения

Камеры и оптика

Для складской видеоаналитики используем камеры с глобальным затвором (global shutter) Sony Pregius или Pregius S. Это критично для детекции движущихся погрузчиков и людей - rolling shutter даёт геометрические искажения, которые снижают точность детекции. Разрешение от 4 Мп для распознавания лиц и номеров техники, угол обзора 90-110° для охвата проходов между стеллажами.

Освещение

Схемы освещения подбираем под задачу: линейный свет для зон комплектации, купольный для детекции дефектов упаковки, коаксиальный для блистящих поверхностей. Стробоскопическое освещение синхронизируется с экспозицией камеры для заморозки движения погрузчика.

Модели детекции

Для production-детекции на складе используем YOLO11 или YOLO26 - они обеспечивают баланс скорости и точности на edge-устройствах. Для задач сегментации палет и точного определения координат - RT-DETR с NMS-free пайплайном. Для детекции аномалий в упаковке на ограниченных данных - PatchCore или EfficientAD.

Инференс и интеграция

Edge-инференс на NVIDIA Jetson Orin с TensorRT обеспечивает задержку 15-50 мс на кадр. Серверный инференс на RTX 6000 Ada обрабатывает десятки камер через Triton Inference Server. События передаются в WMS, СКУД и системы оповещения через REST API, MQTT или OPC UA. Визуализация и мониторинг - Prometheus + Grafana.

Требования к инфраструктуре

Камеры - минимум IP66 для неотапливаемых складов, IP67 для холодильных камер. Рабочая температура от -30°C до +50°C. Сервер и edge-узлы - в отапливаемом помещении или шкафу с обогревом. Операционные системы - Ubuntu, Astra Linux SE или РедОС для соответствия требованиям КИИ.

Обсудим задачу на вашем складе?

Расскажите о планировке, камерах, типах погрузчиков и палет, зонах хранения - предложим архитектуру пилота с измеримыми метриками.

Все услуги