Здравствуйте! С вами Олег Чебулаев, CEO Mad Brains. Хочу поделиться опытом использования модели YOLO для видеомониторинга на пищевом производстве. К нам обратилось предприятие с просьбой протестировать компьютерное зрение без конкретных целей. Мы начали с установки камер на станциях и анализа состояния сигнальных башен.

Используя базовую модель YOLOv12, собрали датасет из 1100 изображений для выявления статусов башен: зелёный, жёлтый и красный. Обучение проводилось на закладках NVidia T4 Tensor с итоговой точностью 98.9%.

На практике, система демонстрировала средние времена реакции на жёлтые сигналы – 6:40 мин, что привело к потенциальным потерям ~113 минут на одну станцию. Ночная смена реагировала на жёлтые сигналы в 4 раза медленнее, чем дневная.

Передав данные менеджменту, мы получили интерес к новым процессам. После внедрения алертов и перераспределения ответственности время реакции улучшилось: дневная смена сократила его до 2:10, а ночная до 5:40.

Итоговые метрики OEE увеличились на 6.1%. Этот опыт показывает, что даже минимальное вмешательство может принести значительные изменения. Если интересны подробности, пишите.