Система на базе компьютерного зрения контролирует выкладку свежей рыбы на льду: распознаёт виды и размеры, отслеживает время нахождения на витрине (FIFO), следит за уровнем льда и пустыми местами, подаёт алерты сотрудникам в режиме реального времени.
01. Про заказчика
Крупный федеральный продуктовый ритейлер с сотнями гипермаркетов и супермаркетов по всей России.
Фреш-категории (мясо, рыба, гастрономия) — ключевой драйвер трафика и лояльности, поэтому компания вкладывается в стандарты выкладки и качество обслуживания..
02. Задача проекта
Обеспечить полный контроль выкладки свежей рыбы: следить за наличием рыбы на льду, соблюдением сроков её нахождения на прилавке и предотвращать порчу за счёт своевременных алертов.
Минимизировать списания продукции за счёт соблюдения FIFO, своевременной переработки и гарантии того, что весь имеющийся ассортимент всегда присутствует на витрине.
03. Как мы решали задачу
01
Обследование витрин и сценариев работы — проанализировали виды выкладки, график обновления льда и рыбы, регламенты переработки. Выделили типовые сценарии для гипермаркетов и супермаркетов.
02
Проектирование системы камер и зоны наблюдения — смоделировали оптимальные точки установки стационарных IP-камер над прилавком так, чтобы полностью покрыть лёд и минимизировать блики от подсветки и витрины. Заложили требования к ракурсам и разрешению.
03
Сбор данных, разработка — собрали и разметили датасет с видами рыбы, состояниями (целая, без головы, стейки, суповой набор), уровнями льда и пустыми витринами. Обучили модели детекции и классификации, настроили трекинг для каждой единицы.
04
Логика FIFO и событий переработки — реализовали трекинг времени для каждого объекта: система знает, когда конкретная рыба появилась на льду и в каком состоянии. Внедрили регламенты переработки и построили события.
05
Интеграция с учётной системой и мобильным приложением — настроили обмен данными с ERP/1С по остаткам в магазине. Через API вывели алерты и статусы витрины в мобильное приложение продавцов и на дашборд для управляющих.
06
Подготовка к тиражированию и контроль монтажа. Описали типовые схемы установки камер для разных форматов, подготовили чек-лист монтажа и тесты качества видео. Заложили механизм дообучения моделей под новые виды рыбы и отличающиеся витрины.
2ИИ-детекция рыбы и льда — модель CV распознаёт вид рыбы, тип нарезки и состояние льда.
3Отслеживание времени по ID-профилю — каждой единице рыбы присваивается цифровой профиль: система считает, сколько она находится на льду (FIFO).
4Сравнение с остатками и бизнес-регламентами — алгоритмы сверяют фактическую выкладку с данными ERP/1С и применяют правила.
5Алерты и аналитика в приложении — система отправляет уведомления ответственным сотрудникам и формирует отчёты о выкладке, свежести и списаниях.
05. Проблемы и их решение
Проблема 1. Потери торговой сети из-за нарушения FIFO и просрочки
Часть рыбы перерабатывалась или списывалась с опозданием: сотрудники не успевали отслеживать, сколько каждая рыба лежит на льду и когда её пора переводить в следующее состояние.
Решение
Система ведёт таймер для каждой единицы. При достижении порога (смена состояния по регламенту) продавец получает точный алерт: какую именно рыбу переработать и как. Это снижает риск просрочки и списаний.
Проблема 2. Пустые или неполные витрины
Из-за загруженности персонала прилавок мог оставаться полупустым: часть рыбы лежала в холодильниках или подсобке, покупатель видел «бедную» выкладку и уходил к конкурентам.
Решение
Компьютерное зрение контролирует заполненность витрины и ассортимент. Если прилавок опустел или отсутствуют позиции, которые есть на остатках, система создаёт задачу «вынести рыбу» и отображает её в приложении и на панели мониторинга.
Проблема 3. Таяние льда и неправильное хранение
Контроль уровня льда был ручным — при высокой нагрузке сотрудники не всегда успевали обновлять лёд, что влияло на качество рыбы и риск претензий.
Решение
Нейросеть оценивает площадь и структуру льда. При снижении уровня или явных признаках подтаивания генерируется алерт с указанием конкретной витрины и временной меткой.
06. Ценность и экономика
–10–15% списаний свежей рыбы
за счет своевременной переработки и соблюдение FIFO
Контроль витрины быстрее в 3–4 раза
Вместо постоянных визуальных проверок продавец реагирует только на алерты
+5% к выручке категории “Рыба”
Полная витрина без пустых мест повышает оборот и снижает вероятность упущенных продаж
100% прозрачность процессов
Управляющий видит историю выкладки и инцидентов, а трудовая дисциплина растёт
07. Команда, которая внедрила проект
Техлид
Константин Порошкин
Backend-Lead
Алексей Цибульников
Менеджер проекта
Илья Гуреев
Аналитик
Роман Федоров
Computer Vision инжерер
Роман Мазников
DevOps
Дмитрий Соркин
Куратор команды разметки
Марк Яговкин
08. Планы на будущее
Кейсы в других нишах
Наша команда с 2017 года успешно реализовала 60 проектов с искусственным интеллектом. Тут собраны наши лучшие работы, про которые мы можем рассказать, про некоторые совсем немного, а некоторые мы вообще не можем тут упомянуть из-за NDA. Но готовы применять опыт в разработке нейросетей для ваших задач.
Разработка нейросети
Нейросеть для мониторинга здоровья коров на ферме
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
Разработка крупной системы
Автоматизация досмотра багажа и анализа X-ray снимков с помощью ИИ
Разработка крупной системы
Платформа для регистрации рекламы блогеров и единого реестра интернет-рекламы
Разработка крупной системы
Система распознавания спецтранспорта и автомобильных номеров для парковок и ТЦ
Разработка крупной системы
Нейросеть, которая контролирует бодрость сотрудников аэропорта, чтобы вы улетели в отпуск вовремя
Сбор данных для обучения ИИ
Учим нейросеть распознавать драки, чтобы в вашем городе стало безопаснее
Сбор данных для обучения ИИ
Нейросеть для распознавания огнестрельного оружия для систем безопасности
Разработка крупной системы
Нейросеть для определения возраста в системах безопасности и анализа аудитории
Разработка нейросети
Распознавание рукописного текста на экзаменационных бланках с помощью нейросети
Разработка крупной системы
Нейросеть, которая распознаёт пустые полки в магазинах и помогает вовремя пополнять запасы
Разработка крупной системы
Платформа на базе ИИ для определения целевой аудитории и аналитики блогеров
Разработка крупной системы
Распознавание погрузчиков и работников на складе для снижения рисков и травматизма
Разработка крупной системы
Внедрение машинного зрения для идентификации паллет и расчета габаритов
Разработка нейросети
Повышаем качество снимков с дронов, чтобы повысить точность анализа и распознавания полученных изображений
Разработка крупной системы
Оптимизация расстановки стеллажей с помощью ИИ и машинного зрения
Внутренняя разработка
NeuroVision — платформа видеоаналитики с готовыми модулями.
Разработка крупной системы
Внедрение видеоаналитики для контроля комплектации товаров на складе
Разработка крупной системы
OCR и распознавание 2D-чертежей для расчёта деталей
Разработка крупной системы
AI-видеоаналитика и распознавание QR для контроля сборки и упаковки заказов на складе
