Всем привет!
С вами Иван, продакт-менеджер zool.ai.
1 октября состоялось собрание Ассоциации промышленных предприятий Удмуртии, проведённое на площадке компании «Криотехника».
Мы в Programming Store выступили одним из организаторов конференции и подготовили экспертную программу. Обсуждали, как технологии помогают предприятиям повышать эффективность, снижать издержки и улучшать качество процессов. Ниже — коротко о ключевых темах👇
🔵 Как ИИ помогает контролировать качество и предотвращать поломки оборудования.
🔵 Как автоматизировать HR, тендеры и CRM с помощью ИИ.
🔵 Как снизить переработки и повысить безопасность сотрудников.
Наши доклады
— Я рассказал, как видеоаналитика помогает фиксировать дефекты и оптимизировать производственные процессы. По традиции, ниже оставляю PDF моей презентации 📑
— Елена Загибалова поделилась кейсами внедрения ИИ во внутренние процессы — от подбора персонала до анализа переговоров.
— Алексей Фёдоров показал, как «Нейротабель» помогает управлять временем и нагрузкой сотрудников.
📸 Делимся кадрами с экскурсии по производственным площадкам «Криотехники» — где всё начиналось.
👁 Подписаться
#новости_zool
С вами Иван, продакт-менеджер zool.ai.
1 октября состоялось собрание Ассоциации промышленных предприятий Удмуртии, проведённое на площадке компании «Криотехника».
Мы в Programming Store выступили одним из организаторов конференции и подготовили экспертную программу. Обсуждали, как технологии помогают предприятиям повышать эффективность, снижать издержки и улучшать качество процессов. Ниже — коротко о ключевых темах
Наши доклады
— Я рассказал, как видеоаналитика помогает фиксировать дефекты и оптимизировать производственные процессы. По традиции, ниже оставляю PDF моей презентации 📑
— Елена Загибалова поделилась кейсами внедрения ИИ во внутренние процессы — от подбора персонала до анализа переговоров.
— Алексей Фёдоров показал, как «Нейротабель» помогает управлять временем и нагрузкой сотрудников.
📸 Делимся кадрами с экскурсии по производственным площадкам «Криотехники» — где всё начиналось.
Хочу сказать спасибо участникам, спикерам из СИТЕК, TECHNORED и организаторам: за насыщенный день, живое обсуждение и искренний интерес к технологиям будущего!
#новости_zool
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7❤2⚡2👍1
Иван_Шамшурин_Видеоаналитика_на_производстве.pdf
2 MB
Делюсь презентацией «Видеоаналитика на производстве: применение ИИ для контроля качества продукции и предотвращения поломок оборудования».
🔥2👏2🤝2
Media is too big
VIEW IN TELEGRAM
#сериал_zool
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8🔥7😁5👍4⚡2
AI из Гаража | Просто про ИИ в бизнесе
Всем привет! С вами Иван, продакт-менеджер zool.ai.
Ранее мы рассказывали, как начинали разбираться с искусственным интеллектом. Наш первый эксперимент — бот для мэтчинга в Telegram-чатах. Мы хотели проверить, сможет ли алгоритм помочь людям находить друг друга по интересам, а не случайно.
Теперь об этом опыте вышла статья на Хабре. В ней подробно рассказываем, как собирали систему: от фильтрации интро и работы GPT до эмбеддингов и поиска по сходству. Поделились тем, как решали задачи с нагрузкой и как измеряли точность мэтчей.
Этот эксперимент показал, что ИИ может быть не только про производственные процессы, но и про людей.
📎 Читать статью → https://habr.com/ru/articles/957450/
#новости_zool
Ранее мы рассказывали, как начинали разбираться с искусственным интеллектом. Наш первый эксперимент — бот для мэтчинга в Telegram-чатах. Мы хотели проверить, сможет ли алгоритм помочь людям находить друг друга по интересам, а не случайно.
Теперь об этом опыте вышла статья на Хабре. В ней подробно рассказываем, как собирали систему: от фильтрации интро и работы GPT до эмбеддингов и поиска по сходству. Поделились тем, как решали задачи с нагрузкой и как измеряли точность мэтчей.
Этот эксперимент показал, что ИИ может быть не только про производственные процессы, но и про людей.
#новости_zool
Please open Telegram to view this post
VIEW IN TELEGRAM
✍4❤4 2
Теперь делимся не просто новостями, а главными темами, о которых говорит бизнес. Читайте нас каждые две недели по средам — будем держать вас в курсе тенденций.
На этом всё — встретимся через две недели.
#дайджест_zool
This media is not supported in your browser
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍2
Часть 1. Как мы ищем дефекты на металле с помощью видеоаналитики
Привет, я Александр, научный сотрудник zool.ai 👋
Мы провели исследование по анализу металлических поверхностей, чтобы понять, какие методы компьютерного зрения точнее всего находят дефекты и как применять их на производстве.
Сегодня расскажу о двух: признаках Харалика и методе выделения контуров.
🧪 Анализ признаков Харалика
Этот метод позволяет «посмотреть» на поверхность глазами алгоритма — не как на фото, а как на набор статистических характеристик.
📊 Метод выделения контуров
Второй способ основан на поиске резких изменений яркости — там, где форма или отражение света прерывается.
Контур выделяется градиентами, математически оценивающими перепады пикселей.
На изображении ниже — световой блик вдоль металлической поверхности. После предобработки заметно, как линия блика разрывается именно в месте дефекта. Это значит, что царапина или зарез нарушает геометрию отражения.
Далее мы применяем аппроксимацию и фильтрацию контура, чтобы убрать шум и сделать линии точнее. После доработки фильтров контур изделия и блик видны отчётливо — система фиксирует дефект стабильно.
〰️ В следующей части расскажу про другие методы, включая фильтр Габора и анализ цветовых пространств.
👁 Подписаться
#новости_zool
Привет, я Александр, научный сотрудник zool.ai 👋
Мы провели исследование по анализу металлических поверхностей, чтобы понять, какие методы компьютерного зрения точнее всего находят дефекты и как применять их на производстве.
Сегодня расскажу о двух: признаках Харалика и методе выделения контуров.
Этот метод позволяет «посмотреть» на поверхность глазами алгоритма — не как на фото, а как на набор статистических характеристик.
Он анализирует, насколько поверхность однородна, как распределяются яркость и контраст, где проходят границы переходов. На выходе получается 12 численных показателей, описывающих структуру изображения.
Если представить эти данные в виде графика, то в точках, где значения резко растут — мы видим дефект.
На графике ниже видно:
синий квадрат — максимум параметра, чёрный — минимум.
В этом случае царапина совпадает с максимумом, и алгоритм «замечает» её без участия человека.
Второй способ основан на поиске резких изменений яркости — там, где форма или отражение света прерывается.
Контур выделяется градиентами, математически оценивающими перепады пикселей.
На изображении ниже — световой блик вдоль металлической поверхности. После предобработки заметно, как линия блика разрывается именно в месте дефекта. Это значит, что царапина или зарез нарушает геометрию отражения.
Далее мы применяем аппроксимацию и фильтрацию контура, чтобы убрать шум и сделать линии точнее. После доработки фильтров контур изделия и блик видны отчётливо — система фиксирует дефект стабильно.
📌 В ходе эксперимента подтвердилось: дефекты можно находить по нарушениям геометрии контура и разрывам в линии блика. Предобработка заметно повышает точность, особенно при сложном освещении или полировке поверхности.
〰️ В следующей части расскажу про другие методы, включая фильтр Габора и анализ цветовых пространств.
#новости_zool
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3👍2🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
Всем привет! С вами Михаил, аналитик zool.ai.
Последние месяцы мы плотно работаем с ритейлом — разбираемся, где видеоаналитика действительно даёт пользу. Я понял простую вещь: ритейлу нужны не «ИИ-модели ради ИИ», а инструменты, которые решают конкретные операционные задачи.
Ниже — несколько направлений, где это уже работает👇
Недавно мы начали пилот по КСО — зонам самообслуживания.
Задача: если у покупателя возникли сложности, нужно понять, сколько времени он находится без сотрудника рядом.
Мы получили видеозаписи с одной торговой точки, обучили модель распознавать сотрудников по фирменным жилетам и подключили всё к zool.ai.
📊 Сейчас мы тестируем дашборды и логику SLA: если время ожидания превышено, руководитель смены получает уведомление в Telegram. После пилота хотим добавить ещё блоки — очереди и контроль выкладки.
А какие задачи вы бы хотели автоматизировать в первую очередь: качество обслуживания, очередь или безопасность?
👁 Подписаться
#новости_zool
Последние месяцы мы плотно работаем с ритейлом — разбираемся, где видеоаналитика действительно даёт пользу. Я понял простую вещь: ритейлу нужны не «ИИ-модели ради ИИ», а инструменты, которые решают конкретные операционные задачи.
Ниже — несколько направлений, где это уже работает
🔵 Зоны самообслуживания (КСО).
ИИ помогает понять, сколько времени покупатель стоит без помощи сотрудника.🔵 Очереди.
Система считает количество людей у касс и прилавков, фиксирует среднее время обслуживания и помогает планировать график кассиров.🔵 Контроль выкладки.
Видеоаналитика определяет, какие полки пустуют, и сообщает о нехватке товара.🔵 Поведение покупателей.
Тепловые карты показывают, какие зоны зала самые посещаемые, где люди задерживаются, а где проходят мимо.🔵 Безопасность и дисциплина.
Распознавание СИЗ, контроль доступа в служебные зоны, фиксация падений или других инцидентов.
Недавно мы начали пилот по КСО — зонам самообслуживания.
Задача: если у покупателя возникли сложности, нужно понять, сколько времени он находится без сотрудника рядом.
Мы получили видеозаписи с одной торговой точки, обучили модель распознавать сотрудников по фирменным жилетам и подключили всё к zool.ai.
Система отслеживает четыре состояния:1️⃣ Покупатель в зоне КСО без сотрудника.2️⃣ Покупатель и сотрудник вместе.3️⃣ Сотрудник без покупателя.4️⃣ Никого нет.
Дальше всё считается автоматически: время ожидания, частота обращений, средняя реакция персонала.
А какие задачи вы бы хотели автоматизировать в первую очередь: качество обслуживания, очередь или безопасность?
#новости_zool
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4 3⚡2
Навигация работает офлайн, без GPS и Wi-Fi. Гости видят маршруты и объекты прямо на экране.
Используется SLAM-навигация и единая система управления контентом. Подробнее у ребят в канале
https://t.me/zunion/1041
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
Концерн ИИ Z-union | Блог основателей
Без пафоса. Кейс по внедрению ИИ в Умном Городе. Навигация в дополненной реальности теперь работает в Москве — в Розарии и Кремле Измайлово. (В тестовом режиме - но уже можно пробовать!) ⚡️⚡️
Гости видят пространство по-новому: маршруты, квесты, ожившие…
Гости видят пространство по-новому: маршруты, квесты, ожившие…
👍2🤝2
Media is too big
VIEW IN TELEGRAM
🕯 Одним пятничным вечером Лена решила поработать допоздна, но… кажется, в «Гараже» она была не одна.
От такого даже Зул почувствовал холодок на своих серверах!
Не будем томить, смотрите всё в новой серии «zool в большом офисе».
👁 Подписаться
#сериал_zool
От такого даже Зул почувствовал холодок на своих серверах!
Не будем томить, смотрите всё в новой серии «zool в большом офисе».
#сериал_zool
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7😁7 6👀3👾3🔥2 1
Главные новости для тех, кто следит за бизнесом, ритейлом и ИИ
На этом всё — встретимся через две недели.
#дайджест_zool
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3
Часть 2. Как мы ищем дефекты на металле с помощью видеоаналитики
Привет, я Александр, научный сотрудник в zool.ai 👋
В первой части я рассказывал, как видеоаналитика помогает находить дефекты с помощью признаков Харалика и контурного анализа.
Теперь поговорим о дополнительных методах.
📊 Горизонтальные и вертикальные градиенты
📚 Текстурный анализ
🧪 Фильтр Габора и HSV-анализ
Комбинация этих методов позволила повысить точность анализа и устойчивость модели при разных условиях освещения.
〰️ В следующей части расскажу, как мы проводим анализ с помощью нейросети и как применяем эти методы в производстве.
👁 Подписаться
#новости_zool
Привет, я Александр, научный сотрудник в zool.ai 👋
В первой части я рассказывал, как видеоаналитика помогает находить дефекты с помощью признаков Харалика и контурного анализа.
Теперь поговорим о дополнительных методах.
Эти методы показывают, как меняется яркость между соседними пикселями. С их помощью можно заметить малейшие неровности и участки, где отражение сбивается. Иногда алгоритм реагировал даже на ровные поверхности — поэтому мы добавили фильтрацию по размеру, чтобы исключить ложные срабатывания.
Изучает распределение светлых и тёмных участков — своего рода «отпечаток» поверхности. Так можно понять, насколько структура однородна и где появляются отклонения. Гистограммы и анализ формы изображения в Python помогли уточнить, какие текстуры соответствуют дефектным областям.
Фильтр Габора выделяет границы и узоры, убирая шум — после обработки поверхность выглядит чище, а дефекты заметнее.⭐️ HSV-анализ делит изображение на компоненты: тон, насыщенность и яркость. Это помогает отличать дефект от блика или загрязнения — особенно на отполированных деталях.
Комбинация этих методов позволила повысить точность анализа и устойчивость модели при разных условиях освещения.
〰️ В следующей части расскажу, как мы проводим анализ с помощью нейросети и как применяем эти методы в производстве.
#новости_zool
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2🔥1 1