📣 Итак, у нас есть лидер по голосованию!
Вопрос про будущее продукта оказался самым популярным — отвечаю ✍️

Что мы делаем с zool и куда движемся?

1. Переводим zool в коробку. Мы активно работаем над офлайн-версией zool в коробочном формате. Это решение для тех, кто хочет развернуть систему внутри своей инфраструктуры — без интернета и облака.

2. Готовим мобильное приложение. Да-да, zool можно будет носить в кармане. Про это мы уже рассказывали → в этом посте.

3. Новые модули (что уже в работе):

🛡 Модуль «‎Перчатки»‎. На финише обучения. Детектирует наличие/отсутствие перчаток у сотрудников в кадре. Подробнее → рассказали здесь

📊 Подсчёт коров. Да, это тоже про видеоаналитику :) Модуль под сельхоззадачи: фиксируем, сколько животных в кадре, как они двигаются, кто отстал или ушёл за границы зоны. Подробнее рассказал мой коллега Александр → в посте

🔍 Модуль парковок. Определяет занятость, продолжительность стоянки, нарушения. Полезно для логистики и промзон. Детали — скоро расскажем.

📦 Геометрия изделий. На линии важно, чтобы всё было ровно. Модуль будет определять отклонения в форме — перекосы, кривизну, нарушение стандартов.

4. Индивидуальные сценарии. Мы также разрабатываем кастомные модули под задачи клиентов:

⏺правильность сборки;
⏺соблюдение маршрута перемещения;
⏺нестандартные объекты: станки, тележки, упаковка и многое другое.

В общем, год будет насыщенный: от коробки до приложения, от перчаток до геометрии изделий. Следите за обновлениями!

❓ Остались вопросы — пишите в комментарии, с радостью расскажу подробнее.

✉️ Подъехал наш дайджест новостей из мира ИИ за последние две недели

🔵Модель GigaChat MAX 2 сдала экзамен по стоматологии в Воронежском государственном медицинском университете. Модель справилась с заданиями наравне со студентами.

🔵Google добавила в «Документы», «Таблицы» и Gmail настраиваемых ИИ-ассистентов Gems. Компания также открыла доступ к генератору видео Veo 3 в 159 странах.

🔵Автопилот Tesla предотвратил лобовое столкновение — ИИ за секунду увернулся от машины, выехавшей на встречную полосу. Водитель остался жив.

🔵Бывшие разработчики Twitter представили мессенджер Bitchat, который работает без подключения к интернету. Сообщения передаются через Bluetooth и mesh-сети.

🔵Минцифры признало необходимость необходимость маркировки контента, созданного ИИ. Ведомство рассматривает варианты регулирования.

🔵Ученые австралийского Национального агентства CSIRO применили квантовое машинное обучение для производства полупроводников.

🔵Еврокомиссия отказалась откладывать вступление в силу норм закона об ИИ. Регламент вступит в силу, как и планировалось, несмотря на призывы к отсрочке.

🔵 Samsung выпускает домашнего робота Ballie. Устройство в форме шара передвигается по дому, анализирует данные с камеры и датчиков, понимает голосовые команды. Внутри — модель Gemini от Google Cloud: Ballie отвечает на вопросы, составляет расписания и напоминает о задачах.


📌 Новости команды:

⭐️ Совместно с академией «Цифра» и при поддержке Минцифры мы запустили курс в Ижевске по созданию бизнес-решений с ИИ. Участники соберут проект в портфолио, получат документ о квалификации, рекомендации от экспертов и помощь с трудоустройством. Подать заявку можно до 21 августа → записаться

#дайджест_zool

Мы тут немного посовещались… и решили: а почему бы не снять свой сериал?

Да, zool запускает собственный мини-сериал — про рабочие будни, офисные загадки и жизнь внутри команды разработки.

🔍 В первой серии — у Ивана пропал телефон.
Что случилось? Кто виноват? Смотрите в ролике.

👁 Подписаться

#сериал_zool

📣 В голосовании победили метрики — и это отличный повод в них разобраться. А на вопрос Константина тоже ответим (смотрите в комментариях к опросу выше).

Какие метрики вы используете, чтобы понимать, что продукт работает?

Если речь о модулях, то важно понимать: продукт zool работает на базе моделей компьютерного зрения. А значит, главный вопрос — насколько точно и стабильно эти модели справляются с задачами. Оцениваем мы это по метрикам. Вот как всё устроено 👇

📦 Сначала — сбор и подготовка данных.

Собираем датасет: кадры с нужными объектами — например, людьми, тележками, перчатками, коровами. Делим его на три части:

— Тренировочная выборка (70–80%) — здесь модель учится.
— Валидационная выборка (20–30%) — проверяем устойчивость и переобучение.
— Тестовая выборка — используем в конце, чтобы объективно оценить результат.

Выборки не должны пересекаться — кадры в них разные. Если точность низкая, датасет дополняем и модель дообучаем.

📊 Какие метрики смотрим после обучения:

Precision — насколько мало ложных срабатываний.
Recall — сколько объектов модель действительно находит.
F1-score — баланс между precision и recall.
IoU (intersection over union) — насколько точно модель попала в объект.
mAP (mean average precision) — средняя точность по классам.
mAP\@50 — точность при IoU ≥ 0.5.
mAP\@50–95 — точность при разных порогах перекрытия (от 0.5 до 0.95).
Confusion matrix — визуально показывает, где модель ошибается по классам.

🎨 Финальный этап: реальное видео.

Тестируем, как модель справляется в «живых» условиях: с углами, освещением, фоном. Если модель не справляется в каких-то сценариях, добавляем похожие кейсы в датасет и запускаем дообучение.

Важно: разрешение видео должно совпадать с тем, что было при обучении. Это сильно влияет на стабильность распознавания.

🧩Всё это позволяет нам быть уверенными, что модель не просто обучилась, а действительно работает.

Остались вопросы — пишите в комментарии, с радостью расскажу подробнее.

👁 Подписаться

Привет, я Александр — аналитик zool.ai. Расскажу, как наша система помогает контролировать транспорт и сотрудников на территории предприятий.

Итак, поехали!

→ Мы фиксируем все машины, которые заезжают и выезжают: легковые, грузовые, спецтехнику.

🔵Нейросети распознают номера даже при плохом освещении, грязных или повреждённых знаках с помощью сверточных моделей и OCR-алгоритмов, обученных на тысячах изображений. Они умеют читать номера с разных камер и под разными углами.

🔵Каждый номер вместе с типом транспорта и временем прохода сохраняется и передаётся в систему безопасности через API.

→ Также мы определям, как охрана проверяет машины на выезде. Сейчас мы обучаем нейросеть для нового проекта — по правилам охранник должен открыть задние двери и багажник.

🔵С помощью видеоаналитики фиксируем, были ли открыты задние двери и багажник, если осмотра машины не было, система это зафиксирует и передаст соответствующее уведомление.

📌Как это работает?

🔵Видео с камер идёт на сервер, где нейросеть анализирует кадры. Она определяет наличие машины в кадре, а затем выделяет номер и передает на анализ специальным алгоритмам. Те читают символы на номере и отдают обратно результат, учитывая плохое освещение.

🔵Вся информация с точным временем, номером и типом транспорта сохраняется и автоматически уходит в систему безопасности.

Мы настраиваем модели под каждый завод — учитываем расположение камер, особенности освещения и типы транспорта, чтобы минимизировать ошибки и не перегружать персонал.

📎 Если у вас остались вопросы — пишите в комментариях, обсудим.

👁 Подписаться

#новости_zool

✉️ Скучали по ИИ-новостям? Мы тоже.
Ловите свежий дайджест за последние две недели:

🔵Microsoft вшила в Windows 11 целый набор AI-инструментов. Среди фишек — Copilot Vision (сканирует экран) и ИИ-агент для настроек.

🔵ByteDance представила VLA-модель для робототехники GR-3.

🔵Tencent Cloud выкатил CodeBuddy AI IDE — платформу, которая может помочь создать концепцию продукта, дизайн и код.

🔵Российский рынок промышленной видеоаналитики вырос на 26,4% за 2024 год — до 2,4 млрд руб., сообщает TelecomDaily.

🔵Ведомости пишут: AI-навыки становятся обязательными для многих профессий.

🔵Группа «Т-Технологии» открыла код модели потокового распознавания речи T-one (70 млн параметров).

🔵В больницах Новосибирской области теперь ИИ помогает интерпретировать рентген и КТ.

🔵«Роснефть» использует ИИ для анализа снимков белых медведей в рамках программы «Тамура».

🔵Google открыла доступ к модели Veo 3 для генерации видео через Gemini API. Мы уже тестировали Veo 2 — результат прикрепили к посту.

🔵Рынок ИИ в Китае превысил 700 млрд юаней ($97,6 млрд) в 2024 году.

🔵Yahoo Japan требует, чтобы все 11 тыс. сотрудников внедряли AI для удвоения продуктивности к 2028 году.


📌 Новости команды:

⭐️ Ждём ваши заявки. Открыли набор на курс по созданию AI-бизнес-решений в Ижевске. Совместно с академией «Цифра» и при поддержке Минцифры. Участники соберут проект в портфолио, получат документ о квалификации, рекомендации от экспертов и помощь с трудоустройством. Подать заявку можно до 21 августа → записаться

👁 Подписаться

#дайджест_zool

Искать час место на парковке?
✅ Спросить у zool, где есть свободное место.

Мы запускаем новый модуль для автоматического мониторинга парковки, чтобы избавить водителей от бесконечных кругов в поисках свободного места. Система анализирует видеопоток с камеры и в реальном времени показывает, какие парковочные места заняты, а какие — свободны.

📌 Как это работает?

Мы используем алгоритмы YOLO (You Only Look Once) — алгоритмы в компьютерном зрении.

→ На парковке задаются полигоны (ROI) — зоны, которые система распознаёт как отдельные парковочные места.
→ Камера «видит» машину, а YOLO моментально определяет: место занято или свободно.
→ Можно подключить умные уведомления — например, бот в Telegram пришлёт сообщение, когда рядом появится свободное место.

📌 Для чего это?

— Экономит время: не нужно бесконечно кружить вокруг парковки.
— Можно собирать аналитику, строить тепловые карты загруженности, прогнозировать пиковые часы.

📌Кому подходит?

От ТЦ и бизнес-центров до дворов жилых комплексов и городских парковок.

📎 Чтобы узнать подробности и увидеть демо, напишите в личные сообщения канала.

А как вы думаете, где ещё ИИ может сделать город удобнее?


👁 Подписаться

#новости_zool

Понедельник — самое время вдохнуть свежие идеи и вспомнить полезное. Мы собрали для вас подборку наших статей, чтобы было что почитать на кофе-брейке ☕️

Что почитать сегодня:

1. Как IT меняет промышленность?
2. Автоматизация производства: как сократить издержки?
3. Что внутри нейросети?
4. Видеоаналитика в ритейле: как увеличить продажи?
5. Как бизнес контролирует сотрудников и процессы с помощью видеоаналитики
6. Видеоаналитика для производства: меньше издержек и больше безопасности
7. Система распознавания автомобильных номеров: контроль и сокращение расходов
8. Видеоаналитика на стройке: снижение травматизма и рост эффективности

🎧 Если читать лень — можно послушать.
Недавно обсуждали со SkillboxMedia, что такое интеллектуальная видеоаналитика, зачем она бизнесу и как внедрять технологии без боли. Слушать тут.

👁 Подписаться

#дайджест_zool

🍕 Вышла 2 серия «Зул в большом офисе»

Обычный рабочий день: команда заказала пиццу, курьер на месте — и вдруг двери не открываются.

Зул решил: без картошки — никто не войдёт.

Что дальше? Смотрите сами. Спойлер: всё закончилось мирно, но без компромиссов не обошлось.

👁 Подписаться

#сериал_zool

#Пятница Вспоминали факапы

Привет, с вами Павел — эксперт по AI. Расскажу, как мы три недели искали баг, которого ✨не было✨

Началось всё вполне обычно. Мы доработали функцию распознавания номеров: подкрутили алгоритм, поправили обработку изображений, выкатили на тестовый сервер.

Вроде всё работает. Но через пару дней стали замечать: запросы тормозят. Потом вообще перестали обрабатываться. Начали копать.

Код пересмотрели вдоль и поперёк. Подозревали сеть, базу, сторонние сервисы. Меняли подходы, переписывали куски логики, искали временные решения — три недели жизни ушло на попытки понять, что пошло не так. И ноль прогресса...😢

В какой-то момент, мы перезапустили сервер. И внезапно всё заработало...

Что произошло?

Оказалось, библиотека, которую мы используем для обработки изображений, сохраняет в памяти промежуточные данные и не особо спешит их освобождать. В нашем тестовом окружении — один инстанс без автоматических перезапусков и без мониторинга. Система постепенно забивалась кэшем, пока не начинала падать.

Так баг оказался не багом, а особенностью инфраструктуры.

С тех пор мы:
— добавили ручную очистку кэша после запросов;
— настроили мониторинг памяти даже на тесте;
— и просто закрепили правило: если кажется, что баг в логике — сначала проверь окружение.

Такие дела.

📌 Если нравится такой формат историй из жизни продукта — поставьте реакцию. Подумаем, стоит ли сделать из этого пятничную традицию.

❤️ — жду следующую пятницу!
👀 — любопытно, давайте
😄 — узнал(а) себя, больно, но смешно