Назад

модуль ИИ-контроля соблюдения правил использования СИЗ в условиях плохой видимости

Идея или концепция
Технологии машинного обучения и когнитивные технологии
SafeNet
TechNet
Технолог
Новосибирская область
Новосибирский национальный исследовательский государственный университет
Цифровой профиль команды

Описание проекта

Краткое описание задачи

Разработать открытую программную платформу на базе компьютерного зрения для автоматического контроля соблюдения правил использования СИЗ в условиях плохой видимости (низкое освещение, дым, туман, пыль). Платформа работает с видеопотоками как обычных, так и инфракрасных (ИК) камер, обеспечивая высокий уровень безопасности на производстве без вендор-привязки и многомиллионных бюджетов. Основа проекта — открытое ядро и публичный промышленный датасет «Russian Industry Dataset», которые снижают порог входа для средних заводов и делают технологию прозрачной.

1. Универсальная работа с видеопотоками в реальном времени

  • Вход: видеопоток с камер видимого спектра или ИК-камер (тепловизоров).

  • Обработка: до 25 кадров/секунду на оборудовании заказчика без подключения к облаку.

  • Условия: полная темнота, сильное задымление, запылённость, туман — за счёт комбинированного анализа или специализированных ИК-моделей.

2. Комплексное определение СИЗ

Для каждого работника в кадре система анализирует:

  • Каска: наличие, корректное положение на голове;
  • Респиратор / маска: закрывает ли нос и рот;
  • Защитные очки: надеты или сняты;
  • Спецодежда и перчатки: наличие и состояние по визуально-тепловому контуру.

3. Открытый код и датасет — фундамент доверия

  • Open Source (AGPL 3.0): всё программное ядро находится в открытом доступе — клиенты могут аудировать код, дорабатывать его под свои нужды и не зависеть от вендора.

  • Публичный датасет «Russian Industry Dataset»: тысячи размеченных кадров из реальных цехов (низкое освещение, специфические российские каски, сезонная спецодежда). Каждое новое предприятие может использовать его для обучения и одновременно пополнять — точность модели растёт для всех.

  • Локальное развёртывание: продукт устанавливается прямо на сервер заказчика (Docker), не требует интернета и не передаёт данные третьим лицам.

4. Быстрая адаптация под конкретный цех

  • Рекордная скорость: для дообучения модели под специфику конкретного завода достаточно 200–300 кадров и 1 час времени инженера.

  • Интеграция «без боли»: готовые коннекторы к распространённым системам видеонаблюдения (Macroscop, Линия, Trassir) и SCADA через REST API и ONNX.

Результат: предприятие получает надёжный контроль СИЗ за 150–400 тыс. рублей (разовая инжиниринговая настройка) против 5–100 млн руб. у конкурентов, с полным владением данными и кодом.

Презентации

Пульс

в планах
22 мая 2026

Инициация идеи и проекта

RT-DETR или YOLOv12? Apache 2.0 или AGPL 3.0? И «Russian Industry Dataset» не существует. Пока что.

https://docs.ultralytics.com/ru/models/rtdetr/

Достижения

Подал заявку в АП ПУТП 2025
Участник акселератора ПУТП 2025
Подал заявку в акселератор ПУТП 2026
Участник акселератора ПУТП 2026
Выпускник акселератора ПУТП 2026

Команда

Наставники

Трекеры

Эксперты

Кураторы по ТН

Контакты

Экспертная система