Видеоаналитика склада с ИИ помогает выделять события из видеопотока: совместное присутствие человека и погрузчика в определённой области, движение вне маршрута или перекрытый проход. Для практического внедрения выберите один сценарий, проверьте камеры и разметку, а затем свяжите подтверждённые события с изменением работы склада.
Эта инструкция предназначена руководителю склада и специалисту по охране труда. Результат первого пилота — проверенный журнал событий и обоснованное улучшение процесса. Система наблюдения не заменяет организацию движения и не доказывает нарушение только потому, что выдала тревогу.
Редакционная схема. Пользу проверяют по подтверждённым событиям и сопоставимой нагрузке.
Реальный кейс DHL и Protex AI
DHL описывает proof of concept с Protex AI: компьютерное зрение помогало командам охраны труда выявлять события и использовать наблюдения для изменения рабочих процессов. В материалах поставщика указано участие DHL Global Forwarding в Дании. Это подтверждённое испытание технологии; по этим страницам нельзя объявить доказанное снижение травматизма на всей сети DHL. Описание DHL, публикация Protex AI.
DHL также перечисляет ограничения компьютерного зрения, включая ошибочные предсказания и сложности с некоторыми материалами и поверхностями. Поэтому полезный проект начинается с проверки наблюдаемости и результатов на объекте, а не с обещания «камера видит всё».
Шаг 1. Выберите одно определённое событие
Для первого пилота подойдёт совместное присутствие человека и погрузчика в заранее размеченной области пересечения. Запишите границы зоны, длительность события и правило объединения последовательных кадров. Называйте его именно наблюдаемым событием; опасность и контекст оценивает специалист.
«Почти столкновение» требует более строгого определения, чем «два объекта попали в одну область». Разные ракурсы могут визуально сближать людей и технику, которые находятся на разных расстояниях. Нельзя объявлять каждый такой кадр аварийной ситуацией.
Определите, кто рассматривает запись и какое решение доступно: изменить маршрут, убрать перекрытие обзора, перенести место ожидания или уточнить организацию операций. Массовое накопление роликов без ответственного редко улучшает процесс.
Шаг 2. Проверьте камеры и измеримость
Составьте список камер, ракурсов, разрешения, частоты кадров и доступности потока. Просмотрите архив в характерных условиях: разное освещение, плотность движения, высокий груз на вилах, перекрытие палетами.
| Проверка | Почему важна |
|---|---|
| Видимость зоны | Закрытый участок нельзя оценить по отсутствию детекций |
| Временные метки | Событие должно связываться с операцией и сменой |
| Геометрия | Расстояние в пикселях не равно расстоянию в метрах |
| Доступность записи | Потерянный поток не означает отсутствие событий |
| Изменение ракурса | Перенос камеры меняет ранее настроенную область |
Если сценарий требует измерять скорость или дистанцию, запросите метод калибровки и контрольные измерения для этого ракурса. Не назначайте универсальный опасный порог из рекламного примера или ответа чат-бота.
Шаг 3. Задайте правила обработки записей
Определите цель наблюдения, состав сохраняемых фрагментов, доступ и срок хранения с ответственными за безопасность и данные. Информирование сотрудников и применимые требования уточняют для конкретной организации и юрисдикции.
Для анализа организации потоков часто достаточно обезличенного номера события, зоны и времени. Распознавание личности не следует добавлять без отдельной обоснованной задачи. Внешнему языковому сервису можно передавать проверенную таблицу без видео и персональных идентификаторов.
Назначьте права на просмотр и выгрузку. Сохраните журнал настройки зон: изменение определения события может само по себе поменять число тревог, даже если работа склада осталась прежней.
Шаг 4. Создайте независимую контрольную выборку
Возьмите фрагменты разных смен, включая время без тревог. Проверяющий размечает события по согласованному определению и отмечает неясные случаи. Для части записей полезна вторая независимая проверка, чтобы увидеть расхождения самой разметки.
Разделите материал настройки и материал итоговой проверки. Если зоны и модель подгоняли под все доступные ролики, оценка на этих же роликах покажет завышенный результат.
Считайте полноту по реально размеченным событиям и точность по проверенным предупреждениям. Журнал только выданных тревог позволяет узнать долю подтверждений, но не число пропущенных эпизодов. Это ограничение нужно оставить в отчёте явно.
Шаг 5. Разберите учебный журнал
В CSV складских событий два вымышленных периода одной зоны. До изменения процесса было 12 тревог: восемь подтверждены, четыре ложные. Зафиксировано 1 000 проходов погрузчиков. После — семь тревог, шесть подтверждены, одна ложная; проходов стало 1 500.
Абсолютное число подтверждённых событий снизилось с восьми до шести, то есть на 25%. На 1 000 проходов показатель изменился с восьми до четырёх, то есть на 50%. Это разные утверждения с разными знаменателями.
Вымышленные данные. Изменение показателя событий не равно доказанному снижению травматизма.
Доля подтверждённых тревог до — 8 / 12 = 66,7%, после — 6 / 7 = 85,7%. Полноту обнаружения по этой таблице вычислить нельзя: в ней нет независимо размеченных пропущенных событий.
Поле exposure_forklift_passages повторено у каждой записи периода как общий знаменатель. Его берут один раз для периода, а не суммируют по строкам. Иначе получится ложное впечатление гораздо меньшей частоты событий.
Шаг 6. Попросите ИИ подготовить разбор
Помощник может проверить арифметику, сгруппировать подтверждённые события и сформулировать вопросы. Дайте определение периода и способ подсчёта нагрузки.
Проанализируй warehouse-safety-events-demo.csv.
Каждая строка — тревога. Подтверждение хранится в review_status.
Exposure — общее число проходов периода, повторённое в строках;
не суммируй его. Проверь согласованность значения внутри периода.
Рассчитай подтверждённые события на 1000 проходов и долю
подтверждённых тревог. Покажи формулы, абсолютные числа
и ограничения. Полноту и снижение травматизма не выводи.
Подготовь вопросы ответственному по организации движения.Полезная рекомендация связывает зону, время и проверенную причину. Фраза «штрафовать всех сотрудников из роликов» не решает задачу и игнорирует ошибки распознавания, контекст и организацию процесса.
Шаг 7. Измените процесс и повторите замер
Ответственные специалисты выбирают одно обоснованное изменение. Зафиксируйте дату, содержание, сравниваемые смены и неизменность определения события. Изменения маршрутов и ограждений согласуют по правилам площадки.
Для сравнения учитывайте нагрузку, состав техники, зоны обзора, длительность доступной записи и условия смен. Если после изменения камера перестала видеть часть пересечения, падение числа тревог нельзя трактовать как улучшение.
Оцените время сотрудников на разбор и число повторяющихся причин. Система полезна, когда помогает устранить проблему и поддерживать проверенный процесс. Для вывода о долгосрочном изменении травматизма нужны отдельные данные и подходящая методика; короткий пилот с редкими событиями этого не доказывает.
Расчёты всех шести учебных CSV можно воспроизвести скриптом Python без внешних библиотек. Сохраните скрипт и CSV в одну папку и запустите python3 check-fleet-warehouse-demo.py. Скрипт проверяет арифметику примеров; он не оценивает безопасность оборудования.
Частые вопросы
Можно ли использовать уже установленные камеры?
Возможно, если ракурсы, качество и доступ к потоку подходят выбранному сценарию. Совместимость и наблюдаемость проверяют до обещаний точности и закупки лицензии.
Можно ли по видео измерять расстояние между людьми и техникой?
Для этого нужна проверенная геометрическая калибровка и контрольная оценка ошибки. Обычный детектор объектов выдаёт координаты в изображении, которые сами по себе не являются метрами.
Может ли видеоаналитика автоматически останавливать погрузчик?
Не следует предполагать такую функцию у системы анализа камер. Автоматическое воздействие на машину требует отдельного предусмотренного решения и инженерной проверки; журнал событий и управление техникой — разные задачи.
Что читать дальше
Обнаружение людей камерами спецтехники, роботизированная инвентаризация, складские дроны.
Исследование проверено 26 октября 2026 года. Реальный кейс DHL отделён от редакционного CSV; проценты примера не являются результатами DHL или Protex AI.
Больше задач и инструментов
В каталоге «Купи ИИ» можно познакомиться с инструментами для текстов, поиска, изображений, видео и кода.
Выбрать нейросеть под задачу