Контроль благоустройства и ЖКХ по камерам: уборка, мусор, дворы
Нейросети проверяют по городским камерам вывоз мусора, уборку снега, состояние дорог и дворов и фиксируют нарушения подрядчиков.
Диапазоны по отраслевым публикациям и типовым внедрениям; результат зависит от данных и процессов заказчика.
Что решаем
Город платит подрядчикам за уборку улиц, вывоз мусора, содержание дворов и дорог, а проверяет выполнение выборочными выездами инспекторов и по жалобам жителей. Переполненные контейнерные площадки, неубранный снег, незакрытые люки и ямы фиксируются с опозданием, акты оспариваются, штрафы не взыскиваются за отсутствием доказательств.
При этом тысячи камер во дворах и на улицах уже установлены в рамках систем безопасности и смотрят на те же площадки и тротуары круглосуточно. Задача — превратить их в инструмент объективного контроля: автоматически определять состояние объекта, фиксировать время и факт выполнения работ и формировать доказательную базу без участия человека.
Что делает ИИ
YOLONVIDIA DeepStreamPyTorchPostGISFastAPI
Видеопотоки или периодические кадры с камер анализируются нейросетями, обученными на классах городских нарушений: переполнение контейнеров, навал мусора, снег и наледь на тротуаре, ямы и открытые люки, неубранные листья, брошенный транспорт. Система сопоставляет наблюдения с графиками подрядчиков и автоматически формирует акт с кадрами и временными метками.
- Контроль вывоза мусора: фиксация времени приезда мусоровоза и состояния площадки после.
- Оценка качества уборки по регламенту с привязкой к контракту.
- Обнаружение дефектов дорожного полотна и благоустройства по камерам и видеорегистраторам техники.
- Автоматические акты и уведомления подрядчику через платформу управления контрактами.
- Карта состояния объектов и рейтинг подрядчиков для контролирующих органов.
Какие данные нужны
- Видеопотоки дворовых и уличных камер
- Графики и контракты подрядчиков
- Реестр контейнерных площадок и объектов благоустройства
Какая инфраструктура нужна
Профиль vision: большинство проверок не требуют покадрового анализа — достаточно обрабатывать один кадр с каждой камеры раз в несколько минут, поэтому один GPU-сервер покрывает тысячи камер. Сервер R5 PLUS из раздела GPU-серверов с двумя-четырьмя L40S обслуживает город-миллионник; для контроля движения техники и уборки в реальном времени добавляются ускорители или второй узел. Район или небольшой город начинает со станции W5 MAX из рабочих станций. Узел подключается к существующей системе видеонаблюдения по RTSP, кадры-доказательства хранятся на локальном массиве в течение срока, нужного для претензионной работы.
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 «Государство и «умный город»»
Опишите задачу и данные.
Вернёмся с профилем нагрузки, конфигурацией и коммерческим предложением на поставку в вашу страну.

