ИИ в бизнесе · 14 октября 2026 · 3 мин чтения

Компьютерное зрение на стройке: техника безопасности и ход работ

Эта страница на узбекском: /uz/blog/qurilishda-kompyuter-korishi

Стройплощадка — среда, где много движения, техники и людей, а прораб физически не может видеть всё одновременно. Компьютерное зрение превращает камеры наблюдения в систему, которая сама замечает отклонения: человек без каски, машина в опасной зоне, кран над людьми. Это не замена инженеру по охране труда, а дополнительные глаза.

Охрана труда

  • Отсутствие каски, жилета, страховочного пояса на высоте
  • Человек в зоне работы крана или экскаватора
  • Нахождение в закрытой зоне без допуска
  • Работа на краю перекрытия без ограждения

Система отправляет уведомление ответственному и сохраняет кадр. Ценность не только в реакции, но и в статистике: видно, на каких участках и в какое время нарушений больше.

Учёт техники и транспорта

Камера на въезде распознаёт номера и тип машин, фиксирует время. Можно сверять фактические рейсы самосвалов с актами, считать часы работы техники на площадке и время простоя.

Материалы

Подсчёт поступивших поддонов, арматуры, свай по фото при приёмке. Контроль складирования: материалы лежат там, где положено, а не на проездах.

Ход работ

Регулярные снимки с фиксированных точек или с дрона позволяют сравнивать стройку с графиком и проектом: возведено ли перекрытие, смонтированы ли окна. Для заказчика и инвестора это прозрачный отчёт без выезда на объект, для подрядчика — доказательная база при спорах.

Особенности площадки

Стройка сложнее офиса или склада:

  • Площадка меняется каждую неделю, камеры приходится переставлять
  • Пыль, вибрация, жара летом требуют защищённых корпусов
  • Электропитание и интернет есть не везде
  • Освещение меняется от рассвета до темноты

Поэтому часто обработку делают прямо на месте, на небольшом вычислительном устройстве, а в облако передают только события и кадры. Для передачи используют мобильный интернет, а при его нестабильности система копит события локально и отправляет пакетом, когда связь появляется.

Модель для касок и жилетов, обученная на чужих данных, может плохо работать на вашей площадке: другие цвета спецодежды, другой ракурс, пыль на объективе. Заложите время на сбор нескольких сотен своих кадров и дообучение. Отдельно проверьте работу в сумерках и при ярком солнце, когда контраст максимальный.

Как внедрять

  1. Выберите одну-две задачи с понятным эффектом, например каски и въезд техники
  2. Определите места камер с учётом будущих этапов стройки
  3. Проведите пилот на одном объекте и оцените ложные срабатывания
  4. Договоритесь, кто получает уведомления и что с ними делает
  5. Тиражируйте на другие объекты

Ошибки

Ставить камеры, но не назначить ответственного за реакцию. Обещать заказчику полную автоматизацию контроля: система находит только то, чему её обучили. Слать прорабу сотни уведомлений в день — он перестанет их открывать. Использовать систему только для штрафов: рабочие начнут прятаться от камер, а не соблюдать правила.

Что считать результатом

До запуска договоритесь, как будете оценивать пользу. Для охраны труда — число зафиксированных нарушений по неделям и их снижение после разбора с бригадами. Для учёта техники — расхождения между фактическими рейсами и документами. Для хода работ — сколько раз пришлось выезжать на объект для проверки. Без таких показателей система быстро превращается в дорогое видеонаблюдение, на которое никто не смотрит.

Люди и данные

Работников нужно предупредить о видеонаблюдении и его целях, а условия включить в правила внутреннего распорядка или договор с субподрядчиком. Бригадирам полезно показать, как выглядят уведомления, чтобы система воспринималась как помощь в безопасности, а не как слежка. Изображения людей — персональные данные, поэтому нужен регламент хранения и доступа к записям.

Обсудим задачу

Оставьте имя и телефон — перезвоним, расспросим о процессе и предложим, с чего начать.

Обсудить проект

Статьи по теме

ИИ в бизнесе

Компьютерное зрение в робототехнике: роботы на складе и в цеху

Зрение делает робота гибким: он берёт разные предметы и ориентируется в меняющемся пространстве. Разбираем, где это применяют на складах и производствах.

14 октября 2026

ИИ в бизнесе

ИИ в ресторане: прогноз загрузки, закупки и списания

В ресторане ИИ полезнее всего не в зале, а на кухне и в закупках. Разбираем задачи, где прогнозы экономят продукты и время, и данные, без которых они не работают.

14 октября 2026

ИИ в бизнесе

ИИ в гостинице: загрузка, цены на номера и сервис

Гостиница каждый день продаёт скоропортящийся товар — номер на сегодняшнюю ночь. Разбираем, как ИИ помогает с загрузкой, ценами и сервисом.

14 октября 2026

ИИ в бизнесе

ИИ в принятии решений: где модель помогает руководителю

ИИ может подсказать, спрогнозировать и даже решить сам. Разбираем уровни участия модели в решениях и как не переложить на неё ответственность.

14 октября 2026

ИИ в бизнесе

Внедрение LLM в компании: облачная модель или своя

Большие языковые модели можно использовать через облачный сервис или развернуть у себя. Разбираем, чем отличаются варианты и как провести внедрение без лишних рисков.

14 октября 2026

ИИ в бизнесе

Подключение ИИ по API: как встроить модель в свою систему

Чтобы ИИ работал внутри ваших процессов, его подключают по API. Разбираем, как устроена интеграция и о чём подумать до первой строки кода.

14 октября 2026

Заявка

Обсудим задачу

Оставьте имя и телефон — перезвоним, расспросим о процессе и предложим, с чего начать.

Или позвоните

+998 94 444 48 85

Нажимая кнопку, вы соглашаетесь на обработку контактных данных.