❄️ zool.ai тоже столкнулся со снегопадом. Но мы решили, что погода не помеха, и дообучили систему.

Зимой сцена меняется так, что автомобили теряют контраст и начинают сливаться со снегом, из-за чего распознавание усложняется. Поэтому модель пришлось дообучить под зимние условия.

Что сделали:

🔵добавили зимние сцены в обучающую выборку;
🔵в материалах для обучения ИИ сделали упор на области с постоянным «шумом», чтобы минимизировать ложные срабатывания;
🔵 протестировали настройки прямо на объекте во время снегопада.

⛄️ В результате система корректно распознаёт автомобили и стабильно работает в зимних условиях.

#новости_zool

✉️ Сегодня #новостнаясреда

Главные новости для тех, кто следит за бизнесом, производством, ритейлом и ИИ⬇️

🔵В Кировской области начали тестировать ИИ-систему NtechLab для выявления фур, которые пытаются обойти весогабаритный контроль.

🔵В России разрабатывают регулирование ИИ: готовится концепция документа, который будет регулировать использование ИИ-продуктов и контента, в том числе с маркировкой и учётом рисков.

🔵Товарооборот России и Уругвая вырос за 11 месяцев на 23,7%.

🔵В топ-10 России по темпам цифровизации бизнеса вошел Хабаровский край.

🔵 IPO-оживление в России, несколько компаний (ритейл, ИТ, фармацевтика и госкомпании) рассматривают выход на публичный рынок в 2026 году.

🔵Сбербанк может вложить не менее 500 млрд рублей в создание нового суперкомпьютера.

🔵ИИ поможет перейти на четырёхдневную рабочую неделю — технологии уже облегчают многие задачи, и в Госдуме обсуждают, что технологическое развитие может ускорить переход к более гибким графикам работы без потерь в производительности.


📌 Новости команды zool

⭐️ У нас вышла новая статья: «Переход на автоматические системы: как распознавание номеров повышает эффективность транспортного контроля». Читать → https://zool.ai/blog/nomerov

⭐️Комплимент дня: пусть ваши технологии развиваются системно и устойчиво, а решения помогают быть на шаг впереди рынка.

👁 Подписаться

#дайджест_zool

📣 Всем привет! С вами Михаил, аналитик zool.ai.

Недавно разбирали задачу по контролю санитарных процедур на производственном объекте. Делюсь, к чему пришли ⬇️

На производстве есть регламент: перед входом в зону сотрудник должен наступить в дезинфицирующую ванну двумя ногами.

Но в реальности кто-то спешит, кто-то заходит одной ногой и идёт дальше. Формально процедура есть, фактически — не всегда выполняется полностью.

Мы подумали, как здесь может помочь видеоаналитика.

Вот к чему пришли:

✔️Контроль зоны.
Область ванны размечается как отдельная зона в кадре. Система отслеживает движение человека через неё.

✔️Анализ положения ног.
Модель определяет положение стоп и проверяет, находятся ли обе ноги внутри зоны одновременно.

✔️ Фиксация прохождения.
Если сотрудник заходит полностью — событие засчитывается.
Если наступает одной ногой или просто перешагивает — фиксируется нарушение.

✔️Каждый проход записывается: время, камера, результат проверки. Данные можно передавать в учётные системы и использовать для отчётности.

Сейчас думаем над задачами, где еще сможем применить наш zool.ai

😶‍🌫️ Интересно узнать у вас. А в каких зонах производства автоматизация могла бы упростить жизнь команде?

#новости_zool

🔴 Всем привет! Продолжаем делиться практикой, сегодня поговорим про ритейл и как увеличить продажи с помощью видеоаналитики.

Когда говорят про рост выручки, обычно обсуждают акции и маркетинг. Но на практике деньги часто теряются внутри самого магазина:

➡️пустая полка в часы пик;
➡️очередь на кассе;
➡️кражи, которые замечают только по итогам инвентаризации;
➡️отсутствие точных данных по трафику.

Проблема чаще всего не в отсутствии камер. Проблема в том, что видео никто системно не анализирует.

Видеоаналитика подключается к существующим IP-камерам и обрабатывает поток в реальном времени.

🌟 В основе — модели детекции и трекинга объектов: система выделяет людей и объекты в кадре, отслеживает их перемещение и анализирует события в заданных зонах.

Что происходит технически:

Сначала видеопоток разбивается на кадры и проходит через модель обнаружения объектов. Затем включается трекинг — система понимает, сколько людей находится в зоне и как они перемещаются. Для полок и касс настраиваются отдельные области интереса, где анализируется плотность заполнения или количество людей в очереди.

Обработка может идти на локальном сервере без передачи видео в облако. Данные передаются через API и могут интегрироваться с 1С, ERP и любыми другими системами.

Система помогает:

— считать посетителей и строить реальную статистику трафика;
— определять часы пик и фактическую загрузку касс;
— отслеживать длину очереди по количеству людей в зоне;
— контролировать заполненность полки по доле свободного пространства;
— фиксировать события в кассовой зоне;
— отслеживать движение товаров на складе.

Когда управляющий видит фактическую загрузку и события в реальном времени, проще перераспределить персонал, вовремя пополнить товар и снизить потери. В результате растёт прозрачность процессов и появляется база для увеличения выручки.

Более подробно разобрали в статье → 🌟https://zool.ai/blog/riteil

#новости_zool

📣 Всем привет! С вами Михаил, аналитик zool.ai

Недавно разбирали задачу на складе — автоматический подсчёт матрасов при загрузке в грузовик. Делюсь, к чему пришли ⬇️

Процесс выглядит простым: сотрудники переносят матрасы и заносят их в кабину.

Но при активной погрузке могут возникать ошибки.

Например, по плану нужно было отправить 27 матрасов, а фактически загрузили 26. В итоге один матрас «теряется» уже на этапе логистики, и это обнаруживается позже.

Мы посмотрели, как эту задачу можно решить через видеоаналитику.

Вот что сделали:

✔️Контрольная линия.
Перед входом в кабину в кадре размечается виртуальная линия. Система отслеживает её пересечение.

✔️ Детекция объекта.
Модель распознаёт матрас в кадре и отличает его от других объектов.

✔️ Логика события.
Если человек с матрасом пересекает линию в направлении внутрь кабины — создаётся событие и счётчик увеличивается на +1.

✔️ Фильтрация повторов.
Используем трекинг, чтобы один и тот же матрас не засчитывался дважды при остановке или частичном возврате.

✔️Каждое событие фиксируется: время, камера, направление движения. Данные можно передавать в учётные системы.

В результате получаем точное количество загруженных матрасов в реальном времени без ручного учёта.

Сейчас думаем, какие ещё складские процессы можно так же оцифровать.

❕ Как вы думаете, где еще можно применить видеоаналитику?

#новости_zool

📣 Всем привет! С вами Михаил, аналитик zool.ai

Недавно разбирали задачу на складе химической продукции — автоматизация учёта реагентов. Делюсь, к чему пришли ⬇️

На складе хранятся реагенты с ограниченным сроком годности.

Проблема в том, что иногда оформляют новую поставку, хотя часть партии уже есть в наличии. В итоге одни реагенты используются, а другие залеживаются и списываются по сроку.

Формально учёт ведётся в системе. Но при активной разгрузке и отгрузке фактические остатки могут расходиться с цифрами в базе.

Мы посмотрели, как эту задачу можно решить через видеоаналитику.

Вот что сделали:

✔️Контрольные зоны.
В кадре размечаются зоны приёмки и отгрузки. Система фиксирует пересечение виртуальной линии при перемещении продукции.

✔️Детекция тары.
Модель распознаёт канистры, бочки или коробки с реагентами и отличает их от других объектов.

✔️Логика движения.
Если тара пересекает линию в сторону склада — счётчик увеличивается.
Если в сторону отгрузки — уменьшается.

✔️Фильтрация повторов.
Используем трекинг, чтобы одна и та же единица не засчитывалась дважды при паузах или возврате.

✔️Фиксация событий.
Каждое перемещение сохраняется: время, камера, направление. Данные передаются в систему учёта.

В результате получаем актуальные остатки на складе в реальном времени без ручного пересчёта. Это снижает риск лишних закупок и списаний по сроку годности.

🌟Сейчас думаем, какие ещё процессы на складах можно так же оцифровать.

#новости_zool

😺 Продолжаем знакомство с командой!

Это Юрий — новый продукт-менеджер zool.ai

Его путь в IT начался довольно неожиданно. Когда-то он работал электромонтёром на заводе, а потом оказался в индустрии через продажи в компании Контур.

➡️ Со временем перешёл в продуктовую разработку: работал с электронным документооборотом в Directum, а позже в СберКорусе, где управлял продуктом с выручкой около 600 млн рублей в год и клиентской базой 450 тысяч компаний.

➡️Позже Юрий работал над продуктами ЭДО и электронной подписи в компании Калуга Астрал, а на последнем месте развивал «НейроБухгалтер».

Команда уже начала знакомиться с Юрием и успела узнать, что он любит футбол и научную фантастику. А ещё пишет небольшие рассказы и планирует когда-нибудь издать собственный сборник.

По такому случаю оставим его любимую цитату из «Форреста Гампа»:

Моя мама всегда говорила: «Жизнь как коробка шоколадных конфет: никогда не знаешь, какая начинка тебе попадётся».

#команда_zool

Вы скучали, а мы с новостями! ✉️ Сегодня #новостнаясреда

Главные новости для тех, кто следит за бизнесом, производством, ритейлом и ИИ⬇️

🔵 Правительство Китая планирует задействовать ИИ для создания и модернизации рабочих мест.

🔵Xiaomi проводит испытания человекоподобных роботов на заводах по производству электромобилей.

🔵 Заметка CNews об опыте реализации ИИ-проектов в российских компаниях.

🔵 Материал Forbes о влиянии развития ИИ на повышение стоимости российских ИТ-сервисов.

🔵 ABB и NVIDIA запускают проект по обучению промышленных роботов через цифровые симуляции.


🔵 Samsung планирует перевести фабрики на управление ИИ к 2030 году. Компания внедряет системы анализа данных и автоматизации процессов на производственных линиях.

🔵 Чемпионат мира по футболу в Мексике будут охранять роботы-собаки.

📌 Новости команды zool

⭐️ Статья про «Как машинное обучение решает задачи видеонаблюдения».
Читать → https://zool.ai/blog/ii

⭐️Комплимент дня: пусть ваши технологии всегда идут по правильному следу.

👁 Подписаться

#дайджест_zool