Автоматическое выявление пустых полок в магазинах с помошью ИИ
ИИ-система в реальном времени фиксирует отсутствие товаров на полках, помогает быстрее возвращать их в продажу и снижать потери выручки без ручных обходов и проверок.
NDA
Заказчик Крупная розничная сеть товаров массового спроса с распределённой сетью торговых точек по Российской Федерации.
Для заказчика критичны операционная эффективность магазинов, доступность ассортимента на полке и снижение потерь выручки из-за отсутствия товаров.
Задача Обеспечить автоматическое и оперативное выявление пустот на полках в торговых залах без ручных обходов и увеличения нагрузки на персонал.
О проекте
Система ИИ-видеоаналитики в реальном времени фиксирует факт отсутствия конкретного товара на полке, определяет момент начала пустоты, её длительность и точное место по планограмме.
А еще - автоматически уведомляет персонал и формирует детальные отчёты по упущенным продажам: какие SKU, где и как долго отсутствовали.
NDA
Заказчик Крупная розничная сеть товаров массового спроса с распределённой сетью торговых точек по Российской Федерации.
Для заказчика критичны операционная эффективность магазинов, доступность ассортимента на полке и снижение потерь выручки из-за отсутствия товаров.
Задача Обеспечить автоматическое и оперативное выявление пустот на полках в торговых залах без ручных обходов и увеличения нагрузки на персонал.
до 15 минут
1
Подготовка обучающего видеодатасета
Собрали видеозаписи торговых полок с контролируемыми сценариями наличия и отсутствия товаров для обучения и валидации модели.
2
Разметка полок и товарных зон
Разметили области полок, товары и пустоты с привязкой к планограммам для корректной интерпретации состояния каждой позиции.
3
Обучение моделей компьютерного зрения
Обучили модель распознавания пустот с учётом глубины полки и наличия товаров за фронтальной линией выкладки.
4
Интеграция в ИТ-ландшафт заказчика, тестирование и калибровка
Интегрировали систему с существующей инфраструктурой видеонаблюдения и корпоративными сервисами через API. Провели тестирование на пилотных торговых точках, настроили пороги срабатывания и снизили количество ложных детекций.
5
Масштабирование и эксплуатационный мониторинг
Донастроили алгоритмы под новые магазины и обеспечили удалённый контроль стабильности работы системы.Почему ИИ-решение важно для ритейла
Система видит не пустую полку, а потерянный SKU.
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
Нестабильное качество видеопотока
Часть камер обеспечивала недостаточное качество изображения: низкий битрейт, шум, размытость при движении в кадре, что снижало точность детекции пустотРЕШЕНИЕ
Оптимизация параметров видеопотока и повышение битрейта
Провели аудит настроек камер, скорректировали битрейт и параметры кодирования, что позволило снизить уровень шума и обеспечить стабильные входные данные для моделей компьютерного зрения без замены оборудования.Некорректные ракурсы и неполное покрытие полок
Камеры изначально устанавливались под задачи безопасности, из-за чего часть полок попадала в кадр под острыми углами или не покрывалась полностью.РЕШЕНИЕ
Корректировка ракурсов и зон анализа
Без изменения инфраструктуры оптимизировали положение камер и зафиксировали зоны детекции, обеспечив корректный обзор полок, участвующих в аналитике, и исключив нерелевантные области.Различие ассортимента и планограмм между магазинами
Планограммы и наборы SKU отличались от точки к точке, что усложняло масштабирование модели и снижало универсальность распознавания.РЕШЕНИЕ
Гибкая привязка детекции к планограмме
Реализовали механизм настройки зон и товарных позиций под конкретную торговую точку, что позволило адаптировать систему под разные форматы магазинов без повторного обучения базовой модели.+25%
к среднему чеку при росте заполненности полок с 80% до 100%
+18%
к среднему чеку при повышении заполненности полок до 95%
+2,6%
к среднему чеку эффект от внедрения видеоаналитики при текущей заполненности
Команда, которая внедрила проект
Константин Порошкин
ML-инженер
Виктор Дупляков
Full-stack разработчик
Фёдор Головин
Project Manager
Дмитрий Соркин
DevOps-инженер
Марк Яговкин
Руководитель разметки данных
Никита Латышонок
CV-инженер
Проект запущен
в работу
Скоро
здесь будут
обновления
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.
Разработка крупной системы
Цифровой контроль движения вагонов
Разработка крупной системы
От цветка к идеальному букету: ИИ распознает качество роз
Разработка крупной системы
ИИ-учет индивидуальной выработки на конвейере
Сбор и разметка данных для ИИ
Разметка данных для беспилотных комбайнов
Разработка крупной системы
Как контролировать брак этикетки на работающем конвейере
Экспертная разметка данных
Медицинский датасет МРТ позвоночника для обучения AI
Операционный ИТ-аутсорсинг
Команда разметчиков как сервис для маркетплейса
Сбор данных для ML и ИИ
Собрали 10 000 уникальных лошадей для биометрии
Экспертная разметка данных для ИИ
Разметка 7000 исследований совместно с врачами-экспертами
Разработка крупной системы
Распознавание номеров автомобиля для въезда на парковку
Разработка крупной системы
Нейросеть, которая контролирует бодрость сотрудников аэропорта, чтобы вы улетели в отпуск вовремя
ИИ для образования
Распознавание рукописного текста на экзаменационных бланках с помощью нейросети
Разработка крупной системы
ИИ расставляет стеллажи в 10 раз быстрее
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
Разработка крупной системы
Платформа, объединившая поиск блогеров, целевой аудитории и аналитику
Разработка крупной системы
Распознавание QR для контроля сборки и упаковки заказов
ИИ для промышленности
ИИ-отбор качественных снимков с дронов
Разработка крупной системы
Нейросеть распознаёт пустые полки в магазинах и помогает вовремя их заполнить
Разработка крупной системы
ИИ-контроль опасных ситуаций при движении погрузчиков
Разработка крупной системы
Машинное зрение измеряет паллеты и передает данные в WMS
Разработка крупной системы
Нейросеть для определения возраста: аналитика и безопасность в одном решении
Сбор и разметка данных для ИИ
Учим нейросеть распознавать драки, чтобы в вашем городе стало безопаснее
Сбор и разметка данных для ИИ
Собрали датасет оружия в 1000+ видео
Разработка крупной системы
Платформа для регистрации рекламы блогеров и ЕРИР
Разработка крупной системы
Автоматизация досмотра багажа и анализа X-ray снимков с помощью ИИ
Разработка для сельского хозяйства
Нейросеть для мониторинга здроровья коров
Разработка крупной системы
AI-контроль выкладки свежей рыбы + соблюдение FIFO
Разработка для ритейла
Внедрение видеоаналитики для контроля комплектации товаров на складе
Разработка крупной системы
Нейросеть для распознавания 2D чертежей
