AI-контроль стройплощадки: безопасность и качество в реальном времени

Инженер по охране труда охватывает лишь малую часть площадки. Снятая каска или отсутствующий жилет остаются незамеченными часами, а фиксируются только по итогам инцидента — когда предотвращать уже нечего и остаётся разбирать последствия.

Видеонаблюдение на стройплощадке, как правило, уже установлено, но живой оператор не в состоянии следить за десятками потоков одновременно. Архив используется изредка и задним числом, а в реальном времени видеоданные не приносят стройке никакой пользы.

Приёмка этапов опирается на обходы, ручную фотофиксацию и субъективные оценки. Дефекты, скрытые следующим этапом работ, обнаруживаются слишком поздно, а в спорах с подрядчиками не хватает объективных, датированных свидетельств.

Детекция нарушений СИЗ

Система в реальном времени находит людей в кадре и проверяет обязательную экипировку — каску и сигнальный жилет. Для надёжной проверки каски Dlib локализует голову человека, а детекторы на Python и OpenCV анализируют её окрестность. Каждое нарушение фиксируется кадром с отметкой времени и зоны площадки — такая фиксация объективна и не зависит от того, кто и когда делал обход.

Анализ безопасности в реальном времени

Видеопотоки с камер объекта анализируются непрерывно, а не выборочно: система отслеживает присутствие людей в контролируемых зонах и отклонения от правил безопасности, заданных для площадки. События приоритизируются по серьёзности, пороги срабатывания откалиброваны на реальных записях объекта — это удерживает баланс между чувствительностью системы и количеством ложных тревог.

Автоматический контроль качества

Второй контур системы — контроль выполняемых работ. По кадрам с камер накапливается визуальная история каждого участка: видно, когда этап начался, как продвигался и в каком состоянии закрыт. Отклонения от ожидаемого хода работ подсвечиваются инженеру, а датированный фотоархив становится объективной базой для приёмки этапов и разбора спорных ситуаций с подрядчиками.

Edge-обработка на объекте

Модели компьютерного зрения работают на edge-устройствах, установленных прямо на площадке. Видео анализируется на месте и не уходит в облако — наружу передаются только компактные события. Система переживает обрывы связи: события буферизуются локально и синхронизируются с сервером, когда сеть появляется. Для стройплощадки, где стабильного интернета нет, это единственная жизнеспособная архитектура.

Мобильное приложение прораба

Приложение на Flutter — рабочее место прораба и инженера по охране труда. В нём лента событий по объекту, push-уведомления о нарушениях с кадром и указанием зоны, статусы обработки: подтвердить событие или отметить ложное срабатывание. Реакция на нарушение занимает минуты, а решения пользователей возвращаются в систему и помогают дообучать детекторы.

Журнал событий и отчётность

Все зафиксированные события накапливаются в журнале: тип нарушения, зона, время, кадр-доказательство и решение ответственного. Поверх журнала строится статистика — динамика нарушений по неделям, распределение по зонам и типам. Служба охраны труда получает фактуру для инструктажей и точечных мер: видно, где и какие нарушения повторяются, а не абстрактную «культуру безопасности».

Интеграция с камерами объекта

Как правило, система подключается к уже установленным IP-камерам по стандартным видеопотокам — менять инфраструктуру видеонаблюдения обычно не требуется. На этапе обследования мы проверили ракурсы, разрешение и покрытие зон, а REST API открыл события системы для внешних сервисов заказчика: данные о нарушениях доступны за пределами нашего приложения.

Приватность и защита данных

В кадр постоянно попадают люди, поэтому приватность заложена в архитектуру, а не добавлена поверх. Сырое видео не хранится и не покидает площадку — система сохраняет только события-нарушения с отдельными кадрами. Доступ к событиям разграничен по ролям, а требования европейского регулирования по защите персональных данных учитывались с первого дня проектирования.