Macroscop запустил обучение видеоаналитики под задачи бизнеса

10 ноября Macroscop представил сервис обучения видеоаналитики для задач, которым не подходят готовые модули. Он позволяет настроить обнаружение и подсчёт конкретных объектов по видеозаписям с камер заказчика.
Для предприятия это возможность автоматизировать проверку повторяющихся операций: сколько продукции прошло через участок, появилась ли нужная маркировка, соответствует ли фактическая отгрузка ожидаемому объёму. Состав задач и критерии результата определяют до обучения.
Как нейросеть обучают под конкретную задачу
Заказчик размечает кадры со своих камер: выделяет рамками объекты, которые нужно находить. Техническое обучение алгоритма берёт на себя разработчик Macroscop. Для подготовки разметки навыки программирования не требуются.
Практический смысл такого подхода — в работе с изображением с реального объекта. Одинаковые коробки в демонстрационном ролике и на погрузочной линии могут выглядеть по-разному из-за ракурса, освещения и взаимного перекрытия. Поэтому для проверки полезно заранее подобрать записи из разных смен и условий работы.
Отдельно нужно определить, что именно считать. Количество коробок в выбранной зоне и число коробок, прошедших через линию за смену, — разные показатели. Штатная аналитика подсчёта Macroscop поддерживает оба сценария и формирование отчётов. При индивидуальном обучении подходящий способ учёта необходимо согласовать под задачу.
Где индивидуальная аналитика помогает бизнесу
В анонсе разработчик приводит три примера применения сервиса:
- Производство: выявление мешков без этикетки на конвейере.
- Логистика: подсчёт отгружаемой продукции для контроля полноты загрузки вагонов.
- Учёт выпуска: подсчёт деталей с передачей данных в MES — систему управления производственными процессами.
В каждом случае важен конкретный измеримый результат. Для упаковочной линии это может быть пропущенный дефект, для склада — расхождение в количестве, для производства — достоверность учёта. Такие критерии позволяют проверить пользу аналитики на понятной операции.
Например, при контроле отгрузки стоит заранее определить единицу учёта: отдельную коробку, мешок или палету. Если камера видит только палету под непрозрачной упаковкой, проверить количество скрытых внутри коробок по этому изображению не получится. Задача должна соответствовать тому, что действительно видно в кадре.
Сроки прототипа и проверка результата
По данным Macroscop, создание рабочего прототипа занимает в среднем 1,5–2 недели. Оплата предусмотрена после проверки на объекте и достижения согласованной точности; внесённая сумма конвертируется в лицензии Macroscop. Это условия, заявленные разработчиком для сервиса.
Средний срок прототипа не определяет продолжительность всего внедрения. До запуска нужно подготовить видео, разметить объекты и согласовать проверку. Полезно отдельно оценивать пропуски и ложные обнаружения: одинаковая общая точность может скрывать разные последствия для рабочего процесса.
Также следует договориться, кто проверяет спорные результаты и как сопоставляются показания аналитики с фактическим количеством продукции. Тогда испытание покажет, какую часть ручного контроля можно автоматизировать и где ещё требуется участие сотрудника.
Что важно предусмотреть в системе видеонаблюдения
Обучение алгоритма начинается с подходящего изображения. При установке видеонаблюдения на складе важно выбрать ракурс, при котором объекты хорошо различимы в зоне учёта. Для движущейся продукции нужно проверить смазывание изображения, для плотного потока — перекрытие соседних предметов, а для маркировки — видимость нужной стороны упаковки.
Специалисты «Территории Безопасности» подбирают камеры и программное обеспечение под задачи объекта, проектируют и устанавливают системы видеонаблюдения. Возможность применения индивидуальной аналитики стоит оценивать по записям с конкретного участка: так проще сформулировать задачу для разработчика и определить условия проверки.

