Что стоит за термином «видеоагент» и что из этого работает в России

На большинстве российских производств и складов видеонаблюдение живёт в режиме архива: камеры пишут круглосуточно, а к записи обращаются, когда инцидент уже произошёл и убыток посчитан. Для доказательств и разбора претензий этого хватает, для операционного управления - нет: между событием и реакцией проходят часы, а на трёхсменных площадках и сутки.

За последний год в отраслевой прессе закрепился термин video AI agent. За ним стоит попытка убрать эту задержку: система распознаёт происходящее, сверяет его с регламентом и сама запускает следующий шаг.

Возьмём переналадку линии. Камера смотрит на участок, модель определяет, что переналадка началась, и различает стадии: остановка, снятие оснастки, установка новой, пробный пуск. Система засекает длительность каждой стадии, сравнивает с нормативом и фиксирует выход за порог. Дальше действие: сообщение мастеру в мессенджер с таймкодом и коротким клипом, запись отклонения в журнал смены, обновление суточной сводки.

Первые два шага решаются моделью и давно перестали быть исследовательской задачей. Сложность в третьем и четвёртом: какое отклонение достойно внимания человека, как не отправить пять сообщений об одном событии, кому уходит алерт в ночную смену, что происходит, если получатель не отреагировал за пятнадцать минут. Это бизнес-логика, и пишется она под конкретное предприятие после того, как регламент выражен в измеримых величинах. Проекты, где эту часть откладывают, обычно и разваливаются: модель работает, а пользоваться ею некому.

Детектор движения реагирует на изменение пикселей между кадрами. В цеху с постоянным трафиком людей и техники он даёт непрерывный поток бесполезных срабатываний, и его отключают или сужают до ночных часов на периметре.

Аналитика на правилах (Macroscop, Axxon и аналоги) надёжно решает большой класс задач: пересечение линии, вход в зону, оставленный предмет, скопление людей. Но сценарий описывается геометрией кадра. Как только нужно понять последовательность действий, отличить наладчика от оператора или увидеть, что операция идёт в неверном порядке, геометрии не хватает.

AI VMS индексирует метаданные и сокращает отсмотр архива с часов до минут. Расследование ускоряется, но событие по-прежнему ищет человек, который уже знает, что искать.

Агентский слой надстраивается над любым из этих уровней и добавляет сверку процесса с нормативом и запуск действия во внешней системе. Основные трудозатраты в таком проекте уходят на интеграции с 1С, MES и ТОиР, на описание регламента вместе с технологами и на маршруты эскалации. Архитектура нейросети - вопрос второго порядка.

Spot AI приводит кейс упаковочного производства: переналадка сократилась с 28 до 21 минуты за полгода и дала около 15 млн долларов дополнительной пропускной способности на площадку. Цифру публикует вендор со ссылкой на анонимного заказчика, методика пересчёта минут в деньги не раскрыта. Даже если считать добросовестно, такая экономия появляется только на линии, загруженной под сто процентов и упирающейся именно в переналадку. При неполной загрузке освободившиеся минуты превращаются в простой. Закладывать эту цифру в свою модель окупаемости не стоит.

Переносится механика. Сплошной замер операций по видео заменяет выборочный хронометраж с секундомером, который делается редко, по нескольким циклам и в присутствии наблюдателя, что само по себе искажает результат. Видео даёт длительности по всем сменам подряд и без эффекта наблюдателя.

• Периметр. Западные платформы держат тяжёлую обработку в облаке. У нас вывоз видео за периметр обычно закрыт службой безопасности, а на АЗС и карьерах упирается ещё и в канал. Рабочая схема: инференс на месте, наружу уходят метаданные и короткие клипы по событиям.
• Персональные данные. Распознавание лиц переводит обработку в режим биометрии: письменное согласие каждого работника, отдельный порядок хранения. Большинство производственных задач решается без идентификации: каска, жилет, поза, присутствие в зоне, обезличенный трек.
• Интеграции. Сценарии, которые за рубежом собирают на Slack и ServiceNow, у нас строятся на Telegram, 1С и внутреннем портале. Для объектов КИИ добавляется вопрос происхождения компонентов и реестра отечественного ПО.
• Люди. На площадке почти никогда нет инженера, готового переобучать модели и чистить пороги. Система должна работать без еженедельного вмешательства, а ручную подстройку стоит заранее закрепить за подрядчиком в договоре сопровождения.

Используются существующие IP-камеры с потоком по RTSP, замена парка обычно не нужна, хотя часть ракурсов приходится править. На объекте ставится сервер с видеокартой, на нём детекция и трекинг. Результат превращается в поток событий с временными метками, над которым работают правила и уведомления. Видео в полном разрешении остаётся внутри контура.

Ориентир по мощности: одна видеокарта уровня рабочей станции обрабатывает порядка десяти потоков с частотой, достаточной для охраны труда и хронометража. Точное число зависит от разрешения, частоты обработки и модели, поэтому его считают под сценарий.

Охрана труда, потому что критерий бинарный: каска надета или нет, человек в зоне крана или вне её. Разметка не требует технолога, спор о трактовке события возникает редко. Плюс система накапливает датированные подтверждения нарушений и профилактики, что облегчает разбор при проверках.

Хронометраж операций, потому что предприятие впервые получает распределение длительности вместо среднего. Хвост распределения показывает, какая бригада и на каком шаге теряет минуты, и улучшение достигается переносом приёмов лучшей смены на остальные.

Узкие места: подсчёт очередей и простоев по зонам показывает, где копится незавершённое производство и как долго оно там лежит. И разбор инцидентов: событие уже размечено, поэтому вместо восьми часов записи смотрят тридцать секунд.

Этот пункт губит больше внедрений, чем недостаточная точность моделей. Пусть на участке за смену десять тысяч значимых наблюдений, а доля ошибочных срабатываний - один процент. Это сто сообщений за смену, одно каждые пять минут. Через неделю их перестают открывать.

Лечится тремя приёмами, заложенными заранее. Пороги сдвигаются в сторону пропуска там, где цена пропуска ниже цены шума. Повторные нарушения в одной зоне за короткий интервал собираются в одно сообщение со счётчиком. Маршрутизация разводит потоки: мастеру уходит только то, на что он может отреагировать в смену, остальное - в суточную сводку. Полностью убрать ложные срабатывания нельзя.

• Нет владельца события. Пока непонятно, кто получает алерт и что обязан сделать, система остаётся отчётностью без последствий.
• Регламент живёт в голове мастера. Сравнивать факт не с чем, пока норматив не выражен в минутах и шагах, поэтому первые недели часто уходят на то, чтобы записать то, что все и так знают.
• Систему воспринимают как надзор. Долгая переналадка почти всегда указывает на дефект процесса: неудобно лежит оснастка, нет нужного ключа, документация расходится с реальностью. Объяснять это бригаде нужно до установки камер.

Один участок, один сценарий, шесть недель. Критерии приёмки - до начала работ и в цифрах: какая доля событий распознаётся, какой уровень ложных срабатываний приемлем, кто и в каком окне реагирует. Разметка на кадрах заказчика. Отдельно фиксируется, что камеры не сдвинут на время пилота.

Перед стартом стоит проверить: есть ли IP-камеры на нужных участках и подходит ли ракурс, описан ли регламент так, чтобы с ним сравнивать факт, выделены ли мощности и место в серверной, назначен ли ответственный за реакцию, определены ли сроки хранения и доступы. Если положительных ответов большинство, проект имеет смысл начинать.