Инспектика AI — автоматическое выявление дефектов зданий и оборудования

ИИ анализирует фотографии фасадов, помещений, инженерных систем и оборудования, сравнивает их с эталонами и выделяет повреждения. Помогает быстрее обнаруживать неисправности и сокращать проверку фотоотчётов сотрудником.

2 режима анализасравнение с эталонным фото или поиск дефектов по одному снимку.
Локализация дефектоввыделяем повреждённый участок на фото, определяем тип отклонения и описываем проблему
Загрузите фотоподключения к системе видеонаблюдения не требуется

Для кого Инспектика AI

Чем больше заказов и ресторанов в сети, тем сложнее контролировать фактическую скорость обслуживания. Рестораника AI помогает выявлять расхождения между кассовой отчётностью и реальной сборкой заказов, находить отклонения и сравнивать работу точек

01

Для розничных сетей

Автоматическая проверка состояния магазинов по фотографиям: повреждения фасадов, отделки, инженерных систем и торгового оборудования.

фотоосмотрыдефектыстандарты сети
02
03
01

Для розничных сетей

Автоматическая проверка состояния магазинов по фотографиям: повреждения фасадов, отделки, инженерных систем и торгового оборудования.

фотоосмотрыдефектыстандарты сети

В чем проблема

Фотоосмотры ≠ 100% выявление дефектов

01_eye_attention.svg

Высокая нагрузка на проверяющих

Сотни объектов, тысячи фотографий. Специалисты тратят часы на визуальную проверку, а риск пропустить повреждение растёт

04_cctv_camera.svg

Неполная фотофиксация

Сотрудники пропускают обязательные зоны осмотра или выбирают ракурсы, по которым невозможно оценить состояние объекта

material-symbols_article-person-outline.svg

Субъективная оценка повреждений

Один специалист фиксирует дефект, другой считает его допустимым. Единые критерии оценки не соблюдаются

material-symbols_note-stack-outline.svg

Не каждый выявленный дефект попадает в заявку на ремонт

Не каждый выявленный дефект попадает в заявку на ремонт

Инспектор или инспектика?

При традиционных осмотрах выявление дефектов зависит от внимательности сотрудников. Фотоотчёты сохраняют состояние объектов, но требуют дополнительной проверки. Инспектика AI автоматизирует анализ снимков и помогает выявлять повреждения раньше.

Визуальный осмотр сотрудником

Сотрудник оценивает состояние объекта на месте и фиксирует замеченные повреждения. Результат зависит от его опыта, внимательности и соблюдения регламента

Фотоотчёт с проверкой специалистом

Фотографии сохраняют состояние объекта, но каждый снимок необходимо просмотреть. При большом количестве объектов проверка занимает время, а часть повреждений может остаться незамеченной.

Инспектика AI

ИИ анализирует загруженные фотографии, сравнивает их с эталонами или ищет признаки повреждений на отдельных снимках

Как работает Инспектика AI

При сравнении с эталоном система сначала сопоставляет общие элементы двух снимков с учётом ракурса и масштаба. Затем проверяет различия, определяет возможные повреждения и готовит результат для подтверждения специалистом

1
Загружаем фотографии объекта
Получаем снимки с планового осмотра или выездной проверки. Для анализа достаточно фотографий интересующих конструкций и оборудования.
2
Выбираем режим анализа
Система работает с парой «эталон — текущее фото» или анализирует одиночный снимок на наличие заданных типов дефектов
3
Сопоставляем изображения
Image MatchingLightGlueЭталон
При наличии эталона сравниваем состояние объекта, сопоставляя общие элементы снимков с учётом различий ракурса
4
Выявляем признаки повреждений
Computer VisionVLMДетекция
ИИ ищет трещины, коррозию, повреждения отделки, отсутствующие элементы и другие дефекты, предусмотренные сценарием проверки
5
Определяем тип дефекта
Классификация
Анализируем обнаруженные отклонения и присваиваем им предварительную категорию согласно заданным критериям
6
Выделяем проблемные участки
ЛокализацияРазметкаBounding Box
Отмечаем предполагаемые дефекты непосредственно на фотографии, чтобы специалист видел их расположение
7
Формируем результат проверки
ФотоотчётВерификацияРезультат
Предоставляем фотографии с отмеченными дефектами и их описаниями. Специалист проверяет находки и принимает решение о дальнейших действиях

Какие дефекты выявляет Инспектика AI

Набор проверяемых дефектов определяется для каждого типа объектов. Система локализует подозрительные участки на фотографиях и присваивает им предварительную категорию

Сценарий
Критерий проверки
Результат
Трещины и сколы
Нарушение целостности плитки, штукатурки, облицовки и других поверхностей
Область повреждения на фото + метка «Трещина» или «Скол»
Коррозия
Видимые следы окисления на металлических конструкциях, трубах и корпусах оборудования
Выделенный участок + метка «Коррозия»
Отслоение отделки
Нарушение покрытия: отслаивание краски, штукатурки, облицовочного материала
штукатурки, облицовочного материала Рамка дефекта + метка «Отслоение»
Отсутствие деталей
На текущем снимке отсутствует деталь, присутствующая на эталоне
Выделенная зона расхождения + метка «Отсутствует элемент»
Посторонние надписи
Наличие граффити и несанкционированных надписей на поверхностях
Локализация надписи + метка
Механические повреждения
Видимая деформация труб, решёток, панелей и элементов оборудования
Рамка повреждённого участка + метка
СценарийТрещины и сколы
Критерий проверкиНарушение целостности плитки, штукатурки, облицовки и других поверхностей
РезультатОбласть повреждения на фото + метка «Трещина» или «Скол»
СценарийКоррозия
Критерий проверкиВидимые следы окисления на металлических конструкциях, трубах и корпусах оборудования
РезультатВыделенный участок + метка «Коррозия»
СценарийОтслоение отделки
Критерий проверкиНарушение покрытия: отслаивание краски, штукатурки, облицовочного материала
Результат штукатурки, облицовочного материала Рамка дефекта + метка «Отслоение»
СценарийОтсутствие деталей
Критерий проверкиНа текущем снимке отсутствует деталь, присутствующая на эталоне
РезультатВыделенная зона расхождения + метка «Отсутствует элемент»
СценарийПосторонние надписи
Критерий проверкиНаличие граффити и несанкционированных надписей на поверхностях
РезультатЛокализация надписи + метка
СценарийМеханические повреждения
Критерий проверкиВидимая деформация труб, решёток, панелей и элементов оборудования
РезультатРамка повреждённого участка + метка

Настройка под ваши объекты

Для каждого типа объекта задаём перечень проверок, эталоны и критерии выявления дефектов. Алгоритмы адаптируем и тестируем на фотографиях заказчика.

Типы объектов

Классы дефектов

Эталонные фотографии

Критерии проверки

Сколько стоит выявление дефектов на объектах вашей сети?

Оцените трудозатраты на проверку состояния зданий и оборудования по фотографиям. Рассчитайте стоимость такого контроля и потенциал автоматизации с Инспектикой AI

Объектов под контролем

20шт

Количество магазинов, зданий или площадок, по которым поступают фотоотчёты

10100

Фотоотчётов на объект в месяц

4шт/мес

Сколько фотоосмотров одного объекта проверяют специалисты ежемесячно

130

Стоимость одной проверки

250₽

Затраты на просмотр фотографий, выявление повреждений и фиксацию замечаний специалистом

502 000

Сокращение времени проверки с ИИ

30%

Расчётная доля трудозатрат, которую может сократить AI-анализ

570
Как считаем

Объекты × фотоотчёты на объект в месяц × стоимость проверки = текущие ежемесячные затраты. Полученную сумму умножаем на заданный процент сокращения трудозатрат. Результат × 12 = годовая стоимость потенциально высвобождаемого рабочего времени.

Локально или в облаке — выбираете вы

Запускаем анализ фотографий объектов без подключения камер и закупки GPU-серверов при облачном размещении. Снимки обрабатываются в NeuroCore Cloud. Начинаем с пилота на реальных фотографиях заказчика, проверяем качество выявления дефектов и требования к передаче данных, затем масштабируем решение на сеть.

cloud.svg

Облачная обработка

Фотографии передаются на обработку в облако. Минимум требований к оборудованию на стороне заказчика, быстрый старт, расчёт нагрузки на канал передачи данных до подключения объектов

Быстрый стартОблако NeuroCore CloudПилот на ваших данных
messages.svg

На вашем сервере

Обработка на сервере заказчика, данные не покидают ваш контур. Подходит для компаний с жёсткими требованиями службы безопасности и внутренними регламентами по хранению фотографий

Данные у васLinux совместимыИмпортозамещение

Соблюдение 152-ФЗ: обработка персональных данных на фотографиях с учётом требований законодательства РФ.

Шифрование данных при передаче.

Разграничение прав доступа: сотрудники центрального офиса и подрядчики видят разные данные

Режим NDA: исходные данные заказчика хранятся и удаляются по согласованному регламенту

Биометрические данные не обнаруживаются, не хранятся и не передаются — идентификация конкретных людей не выполняется

Интеграция с действующей системой заявок на этапе пилота не требуется

Объединяем видео и данные кассы для контроля сборки заказов

Инспектика AI получает фотографии объектов, анализирует их по заданным критериям и формирует результаты с указанием повреждённых участков. Специалист подтверждает обнаруженные дефекты для дальнейшей работы

data.svg

Источники данных: фотографии объектов

Получаем снимки с технических осмотров, эталонные изображения и перечень проверяемых дефектов. Для каждого сценария определяем требования к исходным фотографиям

ЭталоныКлассы дефектов
monitor.svg

Инспектика AI

Сопоставляем изображения, анализируем визуальные отклонения и локализуем предполагаемые дефекты

Computer VisionVLMBounding Box
check.svg

Результаты для службы эксплуатации

Фотография с выделенным дефектом, его категорией и описанием. После подтверждения специалистом результат можно использовать для оформления заявки на устранение

Размеченное фотоКлассификацияВерификация

Как запускаем пилот

Разворачиваем тестовый контур на данных заказчика, адаптируем модели под реальные условия съёмки и проверяем качество обнаружения дефектов на контрольной выборке

1
Формируем датасет
Собираем фотографии объектов с дефектами и без них, эталонные снимки при наличии. Размечаем повреждения, выделяем обучающую и контрольную выборки
2
Разворачиваем AI-модели
Настраиваем обработку изображений, сопоставление с эталоном, детекцию повреждений и их локализацию на снимках
3
Калибруем распознавание
Проверяем модель на разных ракурсах, освещении и качестве фотографий. Корректируем пороги срабатывания, анализируем ложные детекции и пропуски
4
Проводим приёмочные испытания
На контрольной выборке измеряем Precision, Recall и качество локализации по каждому классу дефектов. Фиксируем ограничения и требования к промышленному развёртыванию. Результат пилота: адаптированная модель, размеченные результаты детекции, протокол испытаний с метриками по классам дефектов.

Сократите затраты на выявление дефектов в вашей сети

Автоматизируем поиск повреждений по фотографиям с ваших объектов. Проверим эффективность решения на пилоте:

Для предварительной оценки достаточно знать количество объектов, частоту осмотров и основные виды повреждений.

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