Компания NeuroCore успешно завершила сложный кейс: внедрение системы безопасности на базе искусственного интеллекта на крупном промышленном объекте. Этот проект — настоящая история преодоления, где современные технологии, такие как компьютерное зрение на производстве, столкнулись с бюрократическими барьерами, устаревшим оборудованием и даже погодными сюрпризами. Итог? Система, которая спасает жизни и масштабируется на 100+ объектов заказчика.

Задача: спасти людей от погрузчиков

Представьте: огромный завод, узкие проезды, тяжёлая техника вроде погрузчиков и десятки пешеходов, которые пересекают пути в "слепых зонах". Водители не всегда замечают людей, а риск аварий — зашкаливает. Несколько лет назад NeuroCore выиграла тендер на разработку системы, которая бы регулировала движение с помощью технического зрения на производстве. Идея простая: сделать так, чтобы машины и люди не пересекались в опасных точках.

Решение: светофоры с мозгами

Команда решила не изобретать велосипед и взяла за основу принцип дорожного светофора. Но вместо обычных датчиков — видеоаналитика для производства на базе алгоритма YOLO. Камеры следят за территорией, нейросеть распознаёт пешеходов и технику, а светофор сам решает: красный — стоп, зелёный — иди. Система учитывает даже нестандартные сценарии: коробки в кадре, дождь или туман. Это и есть машинное зрение на производстве примеры в действии!

Проблемы: от токенов до коробок

Думаете, всё прошло гладко? Ох, нет! Проект растянулся с пары недель до трёх месяцев из-за кучи "подводных камней". Вот основные:

1. Бюрократия уровня "босс"
   Доступ к серверу завода — это квест. Физический токен работал только на Windows, а разработчики сидели на Linux и MacOS. Заявки на открытие портов или SSH ждали по неделе. Месяц ушёл только на согласования!

2. Техника подвела
   Оборудование заказчика оказалось не готово к искусственному интеллекту в промышленности. Пришлось адаптировать систему под старые камеры и слабые серверы.

3. "А сделайте ещё вот это!"
   Заказчик не всегда понимал, что можно сделать быстро, а что требует научных прорывов. Новые задачи сыпались как из рога изобилия, и часть была просто невыполнима.

4. Ложные тревоги
   Коробки, грузы и погодные аномалии сбивали модель с толку. Пришлось каждый месяц обновлять данные и дообучать нейросеть.

Как справились?

NeuroCore не сдалась:

• Настроили доступ через одного "жертвенного" разработчика с Windows.

• Доработали систему под старое железо.

• Провели ликбез для заказчика, нарисовав схемы в PowerPoint, и даже помогли создать у них свой ML-отдел.

• Итогом стала точность 93% (требовали ≥90%), ложные срабатывания — 5% (допуск ≤10%), а время отклика — меньше секунды.

Тесты? 720 часов архивов, синтетические сценарии и проверки в реальных условиях — от утренней смены до ночной. Уже в первые сутки конфликтные ситуации сократились на 10%.

Результат: от одного завода к сотне

Система заработала, светофоры не раздражают сотрудников, а заказчик теперь сам развивает технологию вместе с NeuroCore. Проект доказал: искусственный интеллект в производстве — это не фантастика, а реальность, которая спасает жизни. Сейчас решение масштабируют на 100+ объектов компании.