Компьютерное зрение для промышленной безопасности: от камер к измеримому снижению рисков

Капсула ответа. Видеоаналитика HSE — это нейросетевые модели (детекция и трекинг класса YOLO), работающие поверх существующих камер предприятия и фиксирующие нарушения в реальном времени: отсутствие СИЗ, вход в опасную зону, нарушения при огневых работах. Видео обрабатывается на edge-серверах внутри периметра — записи не уходят в облако. Ключевые метрики проекта: полнота и точность детекции по каждому типу нарушений и доля ложных срабатываний, при которой диспетчер не отключает систему. Пилот на 5–10 камерах занимает 8–12 недель и калибруется под условия конкретной площадки: пыль, мороз, ночные смены.

На большинстве промышленных площадок камеры уже висят — но используются как архив для разбора инцидентов постфактум. Компьютерное зрение превращает тот же видеопоток в инструмент предотвращения: система видит нарушение в момент возникновения и предупреждает до того, как оно станет происшествием.

Какие нарушения детектирует видеоаналитика

• СИЗ: каска, защитные очки, перчатки, сигнальный жилет, страховочная привязь на высоте — с привязкой к зоне (в цеху требования одни, на площадке другие).
• Опасные зоны: вход персонала в зону работы крана, под подвешенный груз, в радиус действия техники; контроль барьеров и ограждений.
• Огневые и газоопасные работы: наличие наблюдающего, средств пожаротушения, соответствие наряду-допуску.
• Транспорт и техника: скорость на территории, опасное сближение техники и людей, контроль слепых зон карьерной техники.
• Состояние персонала: человек упал и не двигается (man-down) — критично для удалённых и малолюдных объектов.

Архитектура: почему видео не уходит в облако

Видеопоток с производственной площадки — чувствительные данные: на нём люди, технологии и периметр объекта. Поэтому инференс выполняется на edge-серверах с GPU внутри сети предприятия (класса Jetson или стоечных GPU-серверов). В диспетчерскую уходят только события: кадр нарушения, время, камера, тип. Это одновременно решает вопрос ИБ-согласования и снижает требования к каналам связи — актуально для удалённых месторождений.

Метрики, по которым стоит принимать систему

Метрика	Что показывает	Почему важна
Recall (полнота)	Долю реальных нарушений, которые система увидела	Пропущенное нарушение — невыполненная функция безопасности
Precision (точность)	Долю срабатываний, которые были реальными нарушениями	При потоке ложных тревог диспетчер перестаёт реагировать
Ложные срабатывания в смену	Операционную нагрузку на диспетчера	Практический порог приживаемости системы
Время от события до оповещения	Скорость реакции	Для предотвращения счёт идёт на секунды

Важная честность: «точность 99%» из маркетинговых материалов не значит ничего без условий измерения. Метрики должны замеряться на видео конкретной площадки — с её освещением, пылью и зимним туманом, — и фиксироваться в отчёте пилота.

Как проходит внедрение

1. Аудит (2–3 недели). Обследование камер и зон, выбор 3–5 типов нарушений с наибольшим риском, согласование с HSE-службой и ИБ.
2. Пилот (8–12 недель). Дообучение моделей на видео площадки, развёртывание edge-инференса на 5–10 камерах, калибровка порогов вместе с диспетчерами.
3. Оценка. Отчёт с метриками по каждому типу нарушений, динамикой нарушений за период и расчётом эффекта.
4. Масштабирование. Расширение на остальные камеры и зоны, интеграция с системами нарядов-допусков и HSE-отчётностью.

105 Industrial AI (ТОО «105kz», резидент Astana Hub) строит системы видеоаналитики промышленной безопасности для предприятий Казахстана — на существующих камерах, в закрытом контуре, с интерфейсами на русском и казахском. Начинаем с аудита и пилота по NDA. Напишите нам — покажем, как считаем метрики и эффект.