🌾 Большинство проголосовало за АПК — продолжаем тему.

Разбираем, где видеоаналитика может быть полезна ферме или сельхозпредприятию.

6️⃣Погрузка животных

При погрузке важно зафиксировать количество голов и связать эти данные с весам и.Система считает животных в зоне погрузки, учитывает проход группами и помогает сверить фактическое количество с данными учёта. Это снижает риск ошибок при подсчёте и упрощает разбор спорных ситуаций.

2️⃣Въезд и выезд транспорта

На КПП можно фиксировать номера машин, время въезда и выезда, продолжительность нахождения на территории. Так предприятию проще контролировать логистику, отгрузки, подрядчиков и служебный транспорт.

3️⃣Периметр и закрытые зоны

Видеоаналитика помогает фиксировать пересечение важных зон: складов, производственных участков, зон хранения, въездов и периметра. Ответственные получают уведомление по событию.

4️⃣Работа сотрудников в ключевых зонах

Система может фиксировать посещение нужных участков и формировать отчёты. Это полезно там, где важно соблюдать регламенты: зона погрузки, склад, КПП, производственная линия.

5️⃣Интеграция с учётными системами

Данные с камер можно связывать с 1С, весовым учётом и внутренними системами предприятия.

Например: животные прошли через зону погрузки → вес зафиксирован → данные попали в учёт → расхождение видно сразу.

🔑 С чего начать внедрение

Лучше выбрать одну точку с понятной задачей: погрузка, КПП, склад, периметр или зона хранения.

Перед запуском важно проверить:

— какие камеры уже установлены;
— хватает ли обзора и освещения;
— где чаще всего возникают ошибки;
— с какой системой нужно сверять данные;
— какой результат должен показать пилот.

Обычно пилот запускают на одной зоне, проверяют работу в реальных условиях и только потом расширяют систему на другие участки.

Подробнее о внедрении видеоаналитики в агробизнесе рассказали в статье → https://zool.ai/blog/agro

#новости_zool

Всем привет! На связи Михаил, аналитик zool.ai

🚨Мы с новостями. zool.ai учится контролировать зоны безопасности рядом с погрузчиком. Сейчас мы работаем над сценарием, который помогает замечать опасные ситуации в складских и производственных зонах.

ℹ️ Как это устроено?

Система определяет погрузчик и строит вокруг него зону безопасности.

🔵Синий бокс — это сам погрузчик.
🟠Оранжевый бокс — зона, в которой в этот момент не должно быть людей.

Если человек заходит в эту область, система фиксирует потенциально опасное событие.

📌 Зачем это нужно?

На производстве и складе не всегда достаточно просто повесить правила на стену. Важно понимать, соблюдаются ли они в реальности:

— не подходит ли сотрудник слишком близко к работающему погрузчику;
— не находится ли человек в зоне манёвра;
— не нарушается ли безопасная дистанция при погрузке и перемещении груза;
— где и как часто возникают такие ситуации.

❓Что можно делать дальше?

Событие можно отправить ответственному, вывести в журнал нарушений и связать с видеофрагментом для разбора инцидента.

→ Это помогает не только реагировать на опасные ситуации, но и видеть повторяющиеся проблемы: неудобную схему движения, слепые зоны, перегруженные участки склада или нарушения регламента.

Система работает с обычными IP-камерами и настраивается под конкретную площадку: ракурс, тип техники, расстояния и правила безопасности.

📝 Если у вас есть похожие задачи на складе или производстве — пишите в комментариях, обсудим.

#новости_zool

👕Как видеоаналитика определяет дресс-код

Всем привет! На связи Михаил, аналитик zool.ai.

Сейчас в рамках кастомного проекта мы разрабатываем сценарий видеоаналитики для контроля дресс-кода.

⬛️ Задача: система должна понимать, соблюдает ли сотрудник требования к форме в конкретной зоне.

🏛 Как это работает?

Сначала модель находит человека в кадре и присваивает ему уникальный идентификатор. Это нужно, чтобы система могла отслеживать одного и того же сотрудника в пределах сцены и попытаться увидеть все элементы дресс-кода, даже если часть из них видна не сразу.

Например, человек может повернуться боком, закрыть жилет рукой, пройти за стойкой или на несколько секунд оказаться частично перекрытым другим объектом. Поэтому система анализирует не один отдельный кадр, а последовательность: как сотрудник движется, где находится и какие элементы формы появляются в зоне видимости.
Затем модель проверяет нужные зоны: голову, верхнюю часть тела, руки, иногда ноги — зависит от регламента и ракурса камеры.

Дальше система сопоставляет признаки с правилами, которые важны именно для этого объекта:

🔵 есть ли фирменный жилет, галстук и пиджак;
🔵 совпадает ли цвет формы с заданным стандартом;
🔵 надеты ли перчатки, фартук или другие элементы;
🔵 находится ли человек в зоне, где этот конкретный дресс-код обязателен;
🔵 есть ли нарушение, которое нужно передать ответственному.

⚙️ Почему это кастомная задача?

Потому что дресс-код везде разный. У одной компании важен жилет, у другой — цвет формы, у третьей — полный комплект СИЗ в определённой зоне.

Плюс есть ограничения: человек может стоять боком, часть одежды может быть перекрыта коробкой, освещение может меняться, а камера — смотреть под неидеальным углом.

Поэтому мы не просто подключаем модель «из коробки», а настраиваем сценарий под площадку: регламент, форму, зоны контроля, ракурсы камер и допустимые исключения.

Например, в ритейле это может быть контроль фирменной формы сотрудников в торговом зале. На производстве — наличие каски, спецодежды или защитных элементов. На пищевом предприятии — халат, шапочка, маска, перчатки.

Такой сценарий помогает видеть системные проблемы: где сотрудники чаще обходят правила, где нужен дополнительный контроль, а где сам регламент неудобен в работе.

〰️ Как вы думаете, где ещё можно применить видеоаналитику?

#новости_zool

Всем привет! На связи Юрий, продакт-менеджер zool.ai

Хочу поделиться наблюдением про санитарный контроль на пищевом производстве. Чем больше мы разбираем такие задачи с предприятиями, тем заметнее: проблема обычно не в отсутствии регламентов.

➡️ Регламенты есть. Сотрудники знают, что нужно надеть СИЗ, пройти санпропускник, обработать руки, не заходить в чистую зону без допуска и не оставлять посторонние предметы рядом с линией.

😊 Сложность в другом: как убедиться, что это выполняется постоянно — не во время обхода или аудита, а в течение всей смены.

На производстве нарушение часто выглядит как мелочь: человек чуть спустил маску, зашёл без перчаток, слишком быстро прошёл дезинфекцию рук или оставил инструмент рядом с продуктом. Для сотрудника это может быть «на минуту». Для пищевого производства — уже риск для качества, брака, ХАССП и внутренних проверок.

➡️ Ручной контроль здесь ограничен. Мастер, санитарный врач или сотрудник ОТК не может одновременно видеть все входы, мойки, линии, рабочие зоны и перемещения людей. А камеры без аналитики чаще помогают уже после инцидента, когда нужно искать нужный момент в архиве.

Видеоаналитика полезна там, где уведомлять о нарушениях необходимо в реальном времени:

— вход в чистую зону без нужного СИЗ;
— формальное прохождение санпропускника;
— слишком короткая дезинфекция рук;
— появление человека без допуска в ограниченной зоне;
— посторонний предмет на линии или рабочем столе;
— нарушение порядка между сменами.

Когда событие фиксируется с датой, временем, зоной и скриншотом, с ним уже можно работать: разбирать повторяющиеся проблемы, видеть слабые места процесса и быстрее реагировать без споров «было / не было».

😊 На мой взгляд, внедрение стоит начинать не с камер, а с карты санитарных рисков: какие зоны критичны, какие действия обязательны, какие нарушения можно определить визуально и кому нужно получать уведомление.

Важно и то, что в пищевом производстве нельзя сделать один универсальный шаблон для всех. На молочном заводе одни СИЗ и маршруты, на мясопереработке — другие, на кондитерской линии — третьи. Поэтому модель нужно настраивать под реальные камеры, освещение, спецодежду и регламенты конкретной площадки.

❗️Видеоаналитика не заменяет СанПиН, ХАССП и службу качества. Но она помогает убрать слепые зоны.❗️

Для службы качества это дополнительный инструмент производственного контроля.

〰️ Для производства — способ видеть дисциплину и состояние зон.

📊 Для руководства — более честная картина процессов, которые раньше во многом зависели от человеческого фактора.

😊 В этом и есть смысл видеоаналитики: она помогает сделать так, чтобы правила работали не только на бумаге, но и в работе цеха.

🔑 Пустить нельзя проверить

Представьте операционного директора агрохолдинга. Назовём его Дмитрий 👨🏼— это собирательный образ, но ситуация знакома многим крупным предприятиям АПК.

➡️ У Дмитрия десятки удалённых площадок, где каждый день работают сотрудники, подрядчики, водители, охрана и ветеринарная служба. Он держит всё под контролем: есть регламенты, прописанные санитарные разрывы, СКУД, камеры и данные сотрудников в 1С.

Но инструкция не гарантирует, что её выполнят.

❌На предприятии недавно сотрудник был на другой площадке и по матрице биобезопасности ещё не должен заходить в чувствительную зону. Но на проходной стоит знакомый охранник — и его пропускают «на пять минут».

❌На следующий день уже другой сотрудник забыл пропуск и прошел за коллегой. В системе: карта приложена, проход разрешен. По журналу всё чисто. По факту в зону зашли двое.

❌На этой неделе на территорию заехал кормовоз. По заявке он должен был пройти дезбарьер, разгрузиться у склада и выехать по утвержденному маршруту. Но водитель решил сократить путь и свернул к корпусам. В журнале осталась только общая запись: «доставка кормов».

ℹ️ Теперь представим инцидент: ветеринарная служба на следующий день фиксирует признаки заболевания в одной из групп. Нужно выяснить, откуда мог прийти риск: на кону здоровье животных, карантин и работа всей площадки.

Дмитрий поручил руководителю службы безопасности Виктор👨🏻‍🦰, разобраться с инцидентом. Ему предстояло восстановить хронологию за последние сутки: кто заходил, какие машины проезжали, кто из подрядчиков был на территории.

🧡И тут всё посыпалось.🧡

Номера машины нет. Маршрута нет. Непонятно, прошёл ли транспорт через дезбарьер: в журнале только общая запись — «доставка кормов». Видео есть, но его нужно вручную искать по нескольким камерам. СКУД показывает проходы людей, журнал — записи охраны, а видеоархив живёт отдельно.

🟥 При масштабе холдинга невозможно вручную контролировать каждого охранника, поэтому пора обновляться и использовать современные инструменты.

Дмитрию нужен не ещё один документ, а цифровой контур биобезопасности, где правила, доступ и видеоподтверждение работают вместе.

✅ Первый слой — управление доступом. Эту задачу закрывает PROSTO:СКУД: система автоматизирует матрицу биобезопасности, контролирует санитарные интервалы между площадками, синхронизирует данные с 1С и автоматически блокирует карту, если сотруднику сейчас нельзя входить в конкретную зону.

✅ Второй слой — интеллектуальное видеоподтверждение. Здесь подключается zool.ai: ИИ-видеоаналитика фиксирует людей, транспорт и события в зонах контроля, сопоставляет их со СКУД и помогает выявлять нарушения — например, проход за коллегой без карты, обход санпропускника или некорректное прохождение дезбарьера.

🪄В следующих постах покажем, как такой контур может работать на практике: от санитарных разрывов до видеофиксации инцидентов. Продолжение выйдет в канале СКУД и 1С🪄

⏲ Как исключить ошибки в учёте рабочего времени и избежать штрафов?

Наши коллеги 29 июля в 16:00 мск обсудят этот вопрос в прямом эфире.  

Советуем посетить, если вы интересуетесь автоматизацией учёта рабочего времени в 1С по данным СКУД и хотите быть в курсе последних разработок в этом направлении.

В программе вебинара:

💜изменения в учете рабочего времени в 2026 году;
💜 семь ошибок, которые важно найти до закрытия табеля;
💜 контроль сверхурочных, замен смен и отклонений от графика;
💜живое демо в 1С: сравнение графика, документов и данных СКУД;
💜 законные способы оптимизации фонда оплаты труда.

Участники получат промт для проверки табеля с помощью ИИ,  гайд по подготовке к проверке ГИТ.

📆 Зарегистрироваться