AI-видеоаналитика и распознавание QR для контроля сборки и упаковки заказов на складе

Система видеоаналитики на основе ИИ, которая контролирует сборку и упаковку заказов, распознаёт QR/штрих-коды, отслеживает действия сотрудников и определяет ошибки в составе заказа. Решение ускоряет разбор инцидентов и существенно повышает качество упаковки — без остановки складских процессов.

01. Про заказчика

about-customer

Крупная международная компания в сегменте Health & Beauty (NDA). Склад ежедневно обрабатывает большой поток заказов, где критичны скорость сборки, точность подбора товаров и качество упаковки.

02. Задача проекта

task of project image
Разработать систему видеоаналитики и распознавания QR/штрих-кодов для контроля сборки и упаковки заказов на складе.

Система должна:
  • интегрироваться в 1С и WMS
  • автоматически формировать события
  • фиксировать ошибки
  • быть масштабируемой

03. Как мы решали задачу

0 1
Настроили зоны контроля — разметили рабочие места сборки и упаковки, подключили камеры и выделили области, где система отслеживает товары и действия сотрудников.
0 2
Запустили распознавание QR/штрих-кодов — модуль автоматически считывает коды в кадре, определяет товар и сверяет его с заказом без ручного сканера.
0 3
Внедрили модуль детекции — видеоаналитика фиксирует ключевые действия оператора: подбор товара, перекладывание, упаковку, контроль.
0 4
Реализовали автоматическую сверку с заказом — система сравнивает фактические действия с данными из 1С/WMS и моментально определяет пропущенные или лишние позиции.
0 5
Подключили модуль событий — при несоответствии формируется событие с таймкодом и ссылкой на фрагмент видео — супервайзер видит проблему за секунды.
0 6
Интегрировали систему в процессы склада — обновления статусов уходят в 1С/WMS, а на панели отображаются активные инциденты и качество выполнения операций.

04. Технологический стек

1 Камеры фиксируют рабочую зону — RTSP-потоки с камер передаются на сервер обработки. Система отслеживает рабочее место в реальном времени.
2 AI-модуль распознает действия сотрудника — модель компьютерного зрения классифицирует операции: подбор товара, перемещение, упаковка, закрытие коробки, контроль.
3 Распознавание товаров и QR/штрих-кодов — детектор распознаёт товары в кадре и автоматически считывает QR/штрих-коды, определяя соответствие позиции заказу.
4 Сверка с заказом через API WMS/1С — AI сопоставляет фактические действия с данными заказа: фиксирует лишние позиции, пропуски и пересорт. Обновления отправляются через API.
5 Формирование событий и инцидентов — при нарушении создаётся событие: точная временная метка, фрагмент видео, тип ошибки. Инцидент уходит в 1С, Telegram или панель мониторинга.
ai-projects

05. Проблемы и их решение

Проблема 1. Ошибки при сборке заказов приводили к прямым потерям

Компания ежегодно теряла около 14 млн ₽ на повторных доставках и обработке рекламаций из-за пересорта, пропусков позиций и неправильной упаковки. Эти ошибки возникали на этапах сборки и упаковки, но выявлялись уже после отгрузки, что увеличивало стоимость инцидентов.

Решение

Мы внедрили систему AI-контроля, которая в реальном времени сопоставляет товары и действия сотрудника с заказом из 1С. При расхождении система формирует событие, подсвечивает ошибку оператору и фиксирует её в панели мониторинга. Несоответствие корректируется сразу — до упаковки и отгрузки, что существенно снижает количество ошибок и связанных с ними затрат.

Проблема 2. Длительный и трудоёмкий разбор инцидентов

Разбор спорных ситуаций занимал значительное время: супервайзеры вручную просматривали архив, чтобы найти момент неправильного подбора или ошибки упаковки. При потоке до 1 000 заказов в день объём ручной работы рос экспоненциально, а доказательная база формировалась медленно.

Решение

Система сохраняет точную временную метку и автоматически генерирует видеофрагмент с моментом ошибки. Инциденты связываются с заказом, SKU и сотрудником. Разбор происходит за секунды: супервайзер видит готовый фрагмент и тип ошибки, без ручного поиска по архиву.

06. Ценность и экономика

Снижение ошибок сборки в 2–3 раза
Недовложения и пересорт сокращаются благодаря автоматической сверке с заказом.
Ускорение разбора инцидентов до 5–10 секунд
Супервайзеры тратят в десятки раз меньше времени на поиск причины ошибки.
Повышение качества упаковки
ИИ отслеживает корректность упаковки и уменьшает количество повреждений при доставке.
Прозрачность работы склада
Все операции фиксируются автоматически, создавая доказательную базу и повышая дисциплину.

07. Команда, которая
внедрила проект

person image
Техлид
Константин Порошкин
person image
Backend-Lead
Алексей Цибульников
person image
Менеджер проекта
Илья Гуреев
person image
Аналитик
Роман Федоров
person image
Computer Vision инжерер
Роман Мазников
person image
DevOps
Дмитрий Соркин
person image
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.

bracket
Разработка нейросети
Нейросеть для мониторинга здоровья коров на ферме
Нейросеть, которая следит за здоровьем коров
Разработка крупной системы
ИИ-система для оценки повреждений автомобилей
Классификация и распознавание повреждений автомобилей
Разработка крупной системы
Автоматизация досмотра багажа и анализа X-ray снимков с помощью ИИ
Анализируем запрещенные предметы в багаже при помощи рентгена и ИИ
Разработка крупной системы
Платформа для регистрации рекламы блогеров и единого реестра интернет-рекламы
Платформа с единым реестром интернет-реклам
Разработка крупной системы
Система распознавания спецтранспорта и автомобильных номеров для парковок и ТЦ
Распознавание автомобильных номеров для парковок, ТЦ и БЦ
Разработка крупной системы
Нейросеть, которая контролирует бодрость сотрудников аэропорта, чтобы вы улетели в отпуск вовремя
Контролируем бодрость сотрудников аэропорта, чтобы вы улетели в отпуск
Сбор данных для обучения ИИ
Учим нейросеть распознавать драки, чтобы в вашем городе стало безопаснее
Устраиваем драки, чтобы в вашем городе стало безопаснее
Сбор данных для обучения ИИ
Нейросеть для распознавания огнестрельного оружия для систем безопасности
Научили нейросеть распознавать огнестрельное оружие
Разработка крупной системы
Нейросеть для определения возраста в системах безопасности и анализа аудитории
Научили нейросеть распознавать огнестрельное оружие
Разработка нейросети
Распознавание рукописного текста на экзаменационных бланках с помощью нейросети
Распознавание рукописного текста на бланках
Разработка крупной системы
Нейросеть, которая распознаёт пустые полки в магазинах и помогает вовремя пополнять запасы
Распознавание рукописного текста на бланках
Разработка крупной системы
Платформа на базе ИИ для определения целевой аудитории и аналитики блогеров
Разработка крупной системы
Разработка крупной системы
Распознавание погрузчиков и работников на складе для снижения рисков и травматизма
Разработка крупной системы
Разработка крупной системы
Внедрение машинного зрения для идентификации паллет и расчета габаритов
Разработка нейросети
Разработка нейросети
Повышаем качество снимков с дронов, чтобы повысить точность анализа и распознавания полученных изображений
Разработка нейросети
Разработка крупной системы
Оптимизация расстановки стеллажей с помощью ИИ и машинного зрения
Разработка нейросети
Внутренняя разработка
NeuroVision — платформа видеоаналитики с готовыми модулями.
Разработка нейросети
Разработка крупной системы
Внедрение видеоаналитики для контроля комплектации товаров на складе
Разработка нейросети
Разработка крупной системы
OCR и распознавание 2D-чертежей для расчёта деталей
Разработка нейросети
Разработка крупной системы
AI-видеоаналитика и распознавание QR для контроля сборки и упаковки заказов на складе
Разработка нейросети
Разработка крупной системы
AI-контроль выкладки свежей рыбы + соблюдение FIFO
Разработка нейросети

Внедряем ИИ без остановки процессов и замены оборудования

Интегрируем решение в существующую инфраструктуру, показываем эффект в цифрах: от сокращения затрат до окупаемости за 6–9 месяцев.
Наверх