Контроль безопасности труда по видео с камер
Видеоаналитика фиксирует отсутствие СИЗ, нахождение в опасных зонах и нарушения регламентов и предупреждает до того, как произошёл инцидент.
Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.
Что решаем
Служба охраны труда физически не может наблюдать за всеми участками. Камер на предприятии десятки или сотни, но их смотрят постфактум, при разборе происшествия. Нарушения — снятая каска, работа под подвешенным грузом, вход в зону движущегося оборудования — остаются незамеченными, пока не приводят к травме.
Штрафы и приостановка производства после несчастного случая обходятся дороже, чем предупреждение, а страховые и отраслевые требования всё чаще предполагают документированный контроль.
Особенно уязвимы участки с подрядчиками и сменным персоналом, который не успел усвоить правила площадки. Инструктаж проводится, но контролировать его выполнение на десятках объектов некому.
Что делает ИИ
PyTorchUltralytics YOLONVIDIA DeepStreamTensorRTGStreamerPostgreSQL
Существующие камеры подключаются к серверу видеоаналитики, где модели детекции людей, СИЗ и объектов оценивают каждую сцену по набору правил, заданных для конкретного участка.
- Контроль СИЗ: каска, жилет, очки, перчатки, страховочная привязь на высоте.
- Виртуальные зоны: вход человека в область работы робота, крана, погрузчика; движение техники рядом с людьми.
- Детекция падений, лежащего человека, скопления людей в опасных местах.
- Оповещения на пост, в мессенджер или на световую сигнализацию участка; журнал событий с видеофрагментом для разбора.
Правила задаются без программирования: инженер по охране труда отмечает зоны на кадре камеры и выбирает типы событий. Для новых видов СИЗ или нестандартной техники модель дообучается на снимках с площадки. Данные обрабатываются локально, видео не покидает периметр предприятия.
Какие данные нужны
- Видеопотоки с существующих камер
- Схема опасных зон и регламенты участков
- Примеры нарушений для дообучения
Какая инфраструктура нужна
Профиль «видеоаналитика», где ключевой расчётный параметр — число потоков на одну GPU. Детекция людей и СИЗ на потоке 1080p при 10–15 кадрах в секунду позволяет обслуживать порядка 15–30 камер на GPU класса L40S, в зависимости от разрешения и числа моделей на кадр. Для 50–150 камер разумен сервер на 4–8 GPU: R5 PLUS или ASUS ESC8000A L40S из раздела GPU-серверы.
Для отдельного участка или пилота хватит рабочей станции W5 MAX из рабочих станций. Заложите NVMe-хранилище под видеофрагменты событий и сеть, рассчитанную на суммарный битрейт камер.
Как идёт проект
- 01
Данные и цель
Фиксируем метрику успеха, источники данных и ограничения: on-premise, персональные данные, сроки.
- 02
Пилот на нашей конфигурации
Стартовая машина под задачу и подтверждённый профиль нагрузки перед закупкой кластера.
- 03
Инфраструктура
Поставка серверов, станций и охлаждения, монтаж, ввод в эксплуатацию, ПО и мониторинг.
- 04
Сопровождение
Масштабирование, обновление ускорителей в том же шасси, сервис и запчасти.
Что ещё автоматизируют в отрасли «Промышленность и производство»
Опишите задачу и данные.
Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.

