Роботизированный ИИ-контроль доступности товара в магазине
Мобильная видеоаналитика на базе робота автоматически контролирует наличие товара и корректность ценников, снижает потери от OOS и ошибок на полке и переводит ручной обход магазина в управляемый цифровой процесс.



О проекте
Заказчику было важно не просто выявлять пустоты на полках, а понимать, какие товары отсутствуют в торговом зале, хотя есть в остатках магазина.
Обычная логика контроля по планограммам для этого не подходит: часть ассортимента выкладывается вне матрицы, а ручной обход не дает регулярного и масштабируемого контроля.
В проекте мы предложили мобильную видеоаналитику на роботе, который объезжает полки, распознает конкретные SKU и выявляет OOS по фактическому наличию товара, а не только по пустому месту. При обнаружении инцидента система автоматически формирует задачу персоналу на пополнение. В результате контроль доступности товара превращается из ручной проверки в управляемый цифровой процесс.
>85%
Технический аудит робота и камер
Проверили текущую платформу, оценили качество камер для распознавания SKU и ценников и зафиксировали требования к дооснащению под реальные сценарии магазинаСбор и разметка данных
Собрали изображения и видеопоток с робота, разметили ассортимент пилотного ТК и подготовили датасет под сценарий контроля доступности товара на полкеРазработка модели распознавания SKU
Обучили модель на ассортименте пилота с учетом мелких товаров, коробочной выкладки, сезонных упаковок и съемки с движущейся платформыНастройка логики выявления OOS и постановки задач
Реализовали правила определения отсутствующего товара при наличии остатка и настроили автоматическую генерацию задач персоналуПилотный замер и подготовка к масштабированию
Провели пилот в реальных условиях с чистым замером не менее 3 месяцев, оценили эффект и подготовили рекомендации для тиражирования решения.Интересный факт
Технологический стек
Frontend
Интерфейс пользователя: отчеты, графики, панели управленияBackend
Логика обработки и базовые компоненты системыML
Модели и фреймворки для обученияВызовы и решения
Съемка с движущейся платформы
Робот должен стабильно собирать изображения полок в движении, без потери читаемости SKU и с учетом склейки кадров для единого анализаКалибровка и обработка мобильного видеопотока
В проект заложили настройку алгоритмов под перемещение робота, включая обработку, склейку изображений и адаптацию распознавания к реальным траекториям съемкиРаспознавание товара без жесткой опоры на планограмму
Система должна определять отсутствие конкретного SKU на полке даже там, где выкладка меняется и товар расположен вне матрицыSKU-уровень вместо поиска пустот
Логику проекта построили вокруг распознавания конкретных товаров и сопоставления с остатками магазина, а не вокруг фиксации пустого места на полкеМелкие и визуально похожие товары
Часть ассортимента отличается только мелкими деталями упаковки, объемом или форматом выкладки, включая коробочную подачу и сезонные изменения дизайнаДообучаемая модель под реальный ассортимент
В проекте предусмотрены разметка данных, обучение на ассортименте пилотного магазина и регулярное дообучение под новые SKU и упаковки1 час
обновление статистики по полкам
2 раза в день
выдача сигналов по инцидентам
50–100 фото
для дообучения под новый SKU
Команда, которая внедрила проект
Дмитрий Соркин
DevOps-инженер
Марк Яговкин
Руководитель разметки данных
Андрей Панкратов
Python backend-разработчик
Дмитрий Палий
Frontend-разработчик
Владислав Калинин
Data Science Tech Lead
Никита Болдырев
ML-инженер
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.
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.


















