Пищевое производство

AI-контроль санитарных норм на пищевом производстве

Видеоаналитика превращает санитарный контроль на пищевом производстве из ручной и выборочной проверки в непрерывный процесс с мгновенной фиксацией нарушений и управляемой отчетностью.

food-production-sanitary-control-ai-1.png
food-production-sanitary-control-ai-2.png
food-production-sanitary-control-ai-1.png
NDA
ЗаказчикПищевое производство готовой продукции с кулинарным, фастфуд-, пекарным, мясным и рыбным цехами, где критично стабильное соблюдение санитарных норм на всех участках.
ЗадачаАвтоматизировать санитарный контроль во входных, моечных и рабочих зонах цехов, чтобы быстрее выявлять нарушения, снижать операционные риски и централизовать контроль пищевой безопасности.

О проекте

В цехах готовой продукции санитарный контроль часто держится на ручных проверках и внимательности смены. Из-за этого нарушения по внешнему виду сотрудников, мытью рук и состоянию рабочих зон могут замечать с опозданием. 

 

Для решения этой задачи мы спроектировали систему, которая автоматически контролирует вход в цех, зону мойки рук, рабочие участки, оборудование и санитарное состояние помещений. 

 

Система проверяет СИЗ, шапочки, перчатки, отсутствие украшений, корректность обработки рук, а также следит за дверями, дезковриками, мусорными баками и коробами на полу. Если возникает нарушение, система сразу формирует событие с фотофиксацией и отправляет уведомление руководителю. В итоге заказчик получает не разрозненные ручные проверки, а единый цифровой контур санитарного контроля в цехах.

NDA
ЗаказчикПищевое производство готовой продукции с кулинарным, фастфуд-, пекарным, мясным и рыбным цехами, где критично стабильное соблюдение санитарных норм на всех участках.
ЗадачаАвтоматизировать санитарный контроль во входных, моечных и рабочих зонах цехов, чтобы быстрее выявлять нарушения, снижать операционные риски и централизовать контроль пищевой безопасности.

до 40%

снижения нарушений санитарных норм
1
Анализ зон контроля и требований
Определили критичные точки контроля в цехах, перечень нарушений, схему размещения камер и требования к интеграции с внутренними системами
2
Сбор данных и обучение моделей
Собрали данные, разметили нарушения и обучили модели под целевые сценарии
3
Разработка контура детекции и уведомлений
Реализовали логику инцидентов, фотофиксацию, уведомления и отчетный контур.
4
Пилотный запуск
Развернули систему в пилотных зонах и проверили работу в реальных условиях цеха
5
Калибровка под эксплуатацию
Уточнили настройки, стабилизировали качество распознавания и подготовили систему к рабочему режиму

Интересный факт

Система контролирует не только внешний вид сотрудника, но и все 5 этапов обработки рук — от ополаскивания и мыла до просушки и дезинфекции.

Технологический стек

Frontend

Интерфейс пользователя: отчеты, графики, панели управления

Backend

Логика обработки и базовые компоненты системы

ML

Модели и фреймворки для обучения

Вызовы и решения

Допуск сотрудника по совокупности признаков

Система должна одновременно учитывать шапочку, волосы, перчатки, спецобувь, застегнутую одежду и отсутствие украшений, чтобы корректно фиксировать нарушение перед входом в цех
РЕШЕНИЕ

Многопризнаковая проверка в точке входа

Для входной зоны заложили сценарий, где решение строится по набору обязательных признаков внешнего вида сотрудника

Обучение модели на реальных дефектах покрытия

Для устойчивой работы системе нужны данные именно с производственной линии, где дефекты, освещение и ракурс съемки соответствуют реальному процессу.
РЕШЕНИЕ

Датасет с линии и последующее дообучение

В проект заложили сбор 2 000–3 000 изображений, разметку дефектов покрытия и дальнейшее переобучение модели на новых production-данных

Контроль полной процедуры мытья рук

Для пищевого производства недостаточно увидеть сотрудника у раковины — нужно подтвердить все этапы обработки рук от ополаскивания до дезинфекции
РЕШЕНИЕ

Поэтапная валидация санитарной процедуры

Логику системы разложили на отдельные стадии мытья и обработки рук с проверкой полноты выполнения процедуры

Один контур для людей, оборудования и среды

Проект должен в рамках одной системы контролировать сотрудников, двери, дезковрики, мусорные баки, короба на полу и санитарное оборудование
РЕШЕНИЕ

Зональная модель санитарного контроля

Систему спроектировали по контрольным точкам, где для каждой зоны заданы свои объекты, правила детекции и типы инцидентов

>95%

точность выявленных нарушений

< 5 секунд

на отправку сигнала о нарушении

200+ объектов

для масштабирования решения

Команда, которая внедрила проект

Дмитрий Палий
Frontend-разработчик
Дмитрий Соркин
DevOps-инженер
Андрей Панкратов
Python backend-разработчик
Никита Болдырев
ML-инженер
Никита Латышонок
CV-инженер
Марк Яговкин
Руководитель разметки данных

Бесплатный разбор вашей задачи

На экспертной встрече разберем, какие сценарии внедрения ИИ для вашего бизнеса перспективны и возможны на вашем действующем оборудовании. Подготовим экономическое обоснование внедрения ИИ.

Рассмотрим технические ограничения и возможный первый этап проекта.

О вашей задаче (по желанию)

Готовые проекты

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.

bracket
Разработка крупной системы
Нейросеть для определения возраста: аналитика и безопасность в одном решении
age.webp
ИИ для образования
Распознавание рукописного текста на экзаменационных бланках с помощью нейросети
ocr-documents-case.png
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
damage-detection-case.png
Пилотный запуск
Интеллектуальная видеоаналитика для контроля периметра, выявления угроз на интроскопах и БПЛА
ai-video-security-industrial-sites.jpg
Видеоаналитика для ресторанов
ИИ-контроль времени сборки заказов
ai-tray-order-analysis-fast-food.jpg
AI-Mirror
ИИ-интерактив для бренд-зоны
ai-interactive-exhibition-stand.jpg