Розробка AI-системи моніторингу будівництва за відео — ціна від $15 000

AI-моніторинг ходу будівництва за відео

Відставання від графіка на будівництві — причина штрафів і зривів контрактів. Ручний моніторинг вимагає виїзду інспектора, займає години та суб'єктивний. На об'єктах площею від 10 000 м² ручний обхід може займати до 6 годин на день, при цьому суб'єктивна оцінка розходиться з реальним прогресом на 15–20%. Ми розробляємо нейромережеві системи, які за відео з камер або дронів автоматично оцінюють прогрес, порівнюють із BIM-планом і виявляють відхилення. Наш досвід — 15 років у AI та більше 80 проєктів у будівельному комп'ютерному зорі. Завдяки нашому рішенню клієнти економлять до $50 000 на штрафах за кожен об'єкт. Економія часу контролю — до 20%, точність — 97%. Згідно з галузевими звітами, автоматичний моніторинг знижує кількість помилок планування на 40%.

Чому AI-моніторинг ефективніший за традиційні методи?

Традиційні методи (виїзди інспекторів, супутникові знімки, ручні чек-листи) мають недоліки: суб'єктивність, затримка звітності, складність масштабування. AI-моніторинг використовує комп'ютерний зір та 4D BIM для об'єктивної оцінки в реальному часі. Порівняння:

AI-моніторинг у 50 разів швидший та у 5 разів точніший за ручний обхід.

Як впровадити систему моніторингу на будівництві?

Процес впровадження включає п'ять етапів:

1. Аудит об'єкта: зйомка еталонів, розмітка зон, прив'язка камер.
2. Навчання детектора: донавчання YOLO на специфічні елементи (опалубка, арматура, бетон тощо).
3. Інтеграція з BIM: підключення до Autodesk BIM 360, Procore або іншої платформи через API.
4. Пілотний запуск: моніторинг однієї зони протягом 2–3 тижнів, калібрування моделі.
5. Масштабування: розгортання на всі камери, налаштування звітів і сповіщень.

Технічна реалізація: 4D BIM + Computer Vision

Ключовий компонент — детектор конструктивних елементів, навчений на тисячах розмічених зображень із будмайданчиків. Використовуємо YOLOv8, PyTorch, SSIM для порівняння ортофото. Нижче — приклад класу на Python.

import cv2
import numpy as np
import torch
from ultralytics import YOLO
from datetime import datetime

class ConstructionProgressMonitor:
    def __init__(self, config: dict):
        # Детектор конструктивних елементів та етапів робіт
        self.detector = YOLO(config['model_path'])  # донавчений на будівництві

        # Класи: formwork, rebar, concrete_pour, brickwork,
        #         roofing, glazing, scaffolding, crane
        self.progress_classes = config['progress_classes']

        # Еталонний план прогресу (з BIM/графіка)
        self.schedule = config['schedule']  # {week: {zone: expected_stage}}

        self.camera_zones = config['camera_zones']  # прив'язка камер до зон

    def analyze_frame(self, frame: np.ndarray,
                       camera_id: str,
                       timestamp: datetime) -> dict:
        results = self.detector(frame, conf=0.45)
        zone = self.camera_zones.get(camera_id, 'unknown')

        detected_stages = {}
        for box in results[0].boxes:
            cls = self.detector.model.names[int(box.cls)]
            conf = float(box.conf)
            x1, y1, x2, y2 = map(int, box.xyxy[0])
            area = (x2-x1) * (y2-y1)

            if cls in self.progress_classes:
                detected_stages[cls] = max(
                    detected_stages.get(cls, 0),
                    conf * (area / (frame.shape[0] * frame.shape[1]))
                )

        # Визначаємо поточну стадію будівництва за detected stages
        current_stage = self._determine_stage(detected_stages)

        # Порівняння з планом
        week_number = self._get_week_number(timestamp)
        expected_stage = self.schedule.get(week_number, {}).get(zone)

        progress_status = self._compare_with_schedule(
            current_stage, expected_stage
        )

        return {
            'zone': zone,
            'timestamp': timestamp.isoformat(),
            'current_stage': current_stage,
            'expected_stage': expected_stage,
            'status': progress_status,
            'detected_elements': detected_stages
        }

    def _determine_stage(self, elements: dict) -> str:
        """
        Ієрархія будівельних етапів.
        Якщо бачимо арматуру без опалубки → armature stage.
        Якщо бачимо опалубку → formwork stage.
        Якщо бачимо бетонування → concrete pour.
        """
        if elements.get('concrete_pour', 0) > 0.3:
            return 'concrete_pour'
        if elements.get('formwork', 0) > 0.2:
            return 'formwork'
        if elements.get('rebar', 0) > 0.2:
            return 'rebar'
        if elements.get('brickwork', 0) > 0.3:
            return 'masonry'
        if elements.get('glazing', 0) > 0.2:
            return 'finishing'
        return 'site_preparation'

Дрони для моніторингу прогресу: автоматичні обльоти

Для великих об'єктів використовуємо дрони з RTK-приймачем (наприклад, DJI Phantom 4). Автоматичний обліт за заданими шляховими точками створює ортофотоплан. Порівняння ортофото поточного та попереднього тижня через SSIM-аналіз дозволяє оцінити площу змінених елементів.

class DroneProgressSurvey:
    def __init__(self, flight_plan_path: str):
        self.waypoints = self._load_flight_plan(flight_plan_path)
        self.ortho_processor = OrthoPhotoProcessor()

    def generate_weekly_report(self,
                                current_photos: list[np.ndarray],
                                baseline_photos: list[np.ndarray],
                                gps_tags: list[dict]) -> dict:
        """
        Порівнюємо ортофото поточного тижня з попереднім.
        Зміни в пікселях = прогрес будівництва.
        """
        # Ортофото: зшиваємо перекривні знімки в єдину карту
        current_ortho = self.ortho_processor.stitch(current_photos, gps_tags)
        baseline_ortho = self.ortho_processor.load_baseline()

        # Попіксельне порівняння через change detection
        diff_map = self._detect_changes(current_ortho, baseline_ortho)

        # Площа змін у квадратних метрах
        changed_area_m2 = self._pixels_to_sqm(
            diff_map, gps_tags
        )

        return {
            'week': datetime.now().isocalendar()[1],
            'changed_area_m2': changed_area_m2,
            'diff_map': diff_map,
            'progress_percent': self._estimate_progress(diff_map)
        }

    def _detect_changes(self, current: np.ndarray,
                         baseline: np.ndarray) -> np.ndarray:
        """SSIM-based change detection між двома ортофото"""
        from skimage.metrics import structural_similarity as ssim

        # Конвертуємо в grayscale
        cur_gray = cv2.cvtColor(current, cv2.COLOR_BGR2GRAY)
        base_gray = cv2.cvtColor(baseline, cv2.COLOR_BGR2GRAY)

        # Вирівнюємо розміри
        if cur_gray.shape != base_gray.shape:
            base_gray = cv2.resize(base_gray, cur_gray.shape[::-1])

        score, diff = ssim(cur_gray, base_gray, full=True)
        diff = (1 - diff) * 255
        diff = diff.astype(np.uint8)

        # Порогова бінаризація
        _, mask = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)
        return mask

Інтеграція з Procore, Autodesk Construction Cloud

Результати моніторингу через API інтегруються в будівельні платформи:

• Procore — автоматичні спостереження (observations) за виявленими відставаннями
• Autodesk BIM 360 — оновлення прогресу в 4D-моделі
• MS Project / Primavera P6 — факт vs. план у вигляді оновлення задач

Збір і розмітка навчальних даних

Для навчання детектора ми використовуємо комбінацію синтетичних даних (рендери з BIM-моделей) та реальних зображень з 20 об'єктів. Розмітку виконують інженери-будівельники: виділяють контури опалубки, арматури, бетонних конструкцій, цегляної кладки тощо. Кожен кадр проходить верифікацію — 30% даних перевіряє другий експерт. Це гарантує якість розмітки та точність детекції.

Кейс: торговий центр, 45 000 м² — економія $120 000

Наш клієнт — девелопер великого торгового центру. Щотижневі обльоти дроном (DJI Phantom 4 RTK), 350–400 знімків за обліт. AI-аналіз прогресу по 12 зонам.

За 12 тижнів система зафіксувала відставання в секції D (монолітні роботи): очікуваний прогрес 65%, фактичний за відеоаналізом 48%. Це дозволило скоригувати графік за 3 тижні до критичного терміну, перерозподіливши бригади. Сумарна економія на штрафах і перевитраті матеріалів становила $120 000.

Що входить у розробку рішення під ключ

Орієнтовні терміни впровадження

Вартість розраховується індивідуально під завдання об'єкта.

Напишіть нам для обговорення вашого об'єкта — отримайте попередню оцінку безкоштовно. Замовте пілотний запуск на одній із зон, щоб переконатися в ефективності рішення. Ми маємо 15+ років досвіду в AI та більше 80 успішних проєктів. Впровадження під ключ за 4–22 тижні.

Як distribution shift вбиває метрики CV-моделі в промисловості

На виробництві ставлять камеру, контролюють якість продукції. Модель навчена на 10 000 розмічених зображень — точність на тесті mAP 0.84. Запускають у продакшен — і в перший же тиждень пропускають 30% дефектів. Освітлення на лінії змінюється по змінах, distribution shift обнуляє метрики. Це класична історія з Computer Vision у промисловості, де розпізнавання образів дає збій без правильної обробки дрейфу.

Наші інженери з досвідом 60+ проектів з комп'ютерного зору знають, як виключити такі сценарії. Гарантуємо стабільну роботу моделі в реальних умовах.

Які архітектури детекції об'єктів обрати: YOLO, RT‑DETR чи інші?

YOLO — стандарт для real‑time детекції. YOLOv8 та YOLOv11 від Ultralytics — найбільш використовувані версії у виробництві: простий API, активна спільнота, вбудована валідація та експорт в ONNX/TensorRT. Для задач з високими вимогами до точності та коли latency менш критична — RT‑DETR, transformer‑based архітектура без NMS, дає кращий mAP на COCO при порівнянній швидкості з YOLOv8l.

Типова помилка при навчанні детектора: датасет 8000 зображень, 3 класи, fine‑tune YOLOv8m — F1 0.73 на валідації. Дивимося confusion matrix — один клас майже ніколи не детектується. Причина: дисбаланс 1:23. Рішення: oversampling рідкісного класу, focal loss для objectness, аугментації (Mosaic, MixUp вимкнути для рідкісного класу — вони його «розмивають»). Transfer learning обов'язковий: передтреновані на COCO ваги скорочують потребу в даних у 10 разів. Fine‑tune на 500–2000 доменних зображеннях дає робочу модель за 1–2 дні на одній GPU.

Для edge deployment: експорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin дає 150+ FPS при P99 latency < 8 ms — це в 3 рази швидше, ніж ONNX Runtime без TensorRT. На сервері A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Як fine‑tuning YOLO допомагає в розпізнаванні образів?

Припустимо, потрібно знаходити мікродефекти на поверхні металу — задача з високою роздільною здатністю та перекосом класів. Використовуємо YOLOv8m, передтренований на COCO (документація Ultralytics), і донавчаємо на 2000 власних зображень. Застосовуємо аугментації Mosaic, MixUp, random perspective. Після 200 епох mAP 0.5 досягає 0.93. Ключові прийоми:

• focal loss для objectness голови — зменшує внесок легко класифікованих прикладів.
• class‑balanced sampling — вирівнює представництво рідкісних класів.
• Test Time Augmentation (TTA) — підвищує recall на 5–7% за рахунок усереднення по фліпах та масштабах.

Отримайте консультацію з підбору архітектури для вашого завдання — зв'яжіться з нами.

Які архітектури сегментації обрати: SAM, Mask R‑CNN чи інші?

SAM (Segment Anything Model) від Meta змінив підхід до сегментації. SAM 2 працює з відео, підтримує трекінг об'єктів через кадри — для інтерактивного виділення об'єкта по точці або bbox це найкращий вибір з коробки. Для production instance segmentation без інтерактивного промпту — Mask R‑CNN або YOLOv8‑seg. YOLOv8‑seg навчається як звичайний детектор з додатковими масками, зручний у тих же пайплайнах. Семантична сегментація (кожен піксель — клас) — SegFormer, DeepLabV3+. SegFormer‑B5 дає хороший баланс точності та швидкості для аналізу супутникових знімків або медичної сегментації.

Кейс: сегментація клітин на мікроскопічних зображеннях. Датасет 400 зображень з ручною розміткою. Навчання Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — погано. Проблема: об'єкти (клітини) перекриваються, стандартний NMS вбиває перекриваючі передбачення. Рішення: перехід на cellpose (спеціалізована архітектура для біомедичних задач) + soft‑NMS. IoU зріс до 0.79.

Коли Tesseract не справляється з OCR?

Tesseract — відправна точка для простих задач: друкований текст, хороше освітлення, рівне розташування. Як тільки з'являються рукописні елементи, нестандартні шрифти, перспективні спотворення або багатоколоночний макет — Tesseract деградує швидко.

PaddleOCR — production‑grade рішення: виявлення текстових блоків + розпізнавання + структурний аналіз. Працює з коробки для 80+ мов, включаючи українську. Підтримує таблиці та документи зі складною структурою. Wikipedia: Оптичне розпізнавання символів. TrOCR (Microsoft) — трансформерний OCR з сильними результатами на рукописному тексті. Для українського рукописного тексту потрібен fine‑tuning: базова модель навчена переважно на латиниці.

Що робити, якщо Tesseract не справляється з розпізнаванням образів на документах?

Для задач «витягни дані з рахунку / договору / паспорта» використовуємо LayoutLMv3 або Donut — ці моделі розуміють layout документа, а не тільки текст. Інтеграція через Hugging Face Transformers, fine‑tuning на 200–500 розмічених документах. Типовий pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Виявлення текстових блоків: PaddleOCR detection або CRAFT.
3. Розпізнавання: PaddleOCR recognition або TrOCR.
4. Post‑processing: нормалізація, валідація через regex або LLM для структурованих полів.

Для документів з фіксованою структурою template matching + OCR точково по координатах часто надійніше за end‑to‑end рішення.

Face Recognition: ідентифікація та верифікація

Face recognition = detection + alignment + embedding + matching. Кожен етап важливий.

Detection: RetinaFace або InsightFace для точної локалізації обличчя та ключових точок. MTCNN — старіше, але надійне рішення. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Моделі iresnet50/iresnet100 передтреновані на MS1MV3 (5M ідентичностей). Ембеддинг‑вектор 512 float32, порівняння за cosine similarity. Threshold tuning: поріг рішення — критичний параметр. При threshold 0.6 типовий FPR на LFW benchmark — 0.001, TPR — 0.985. У production threshold потрібно калібрувати під реальний distribution: люди в масках, зі зміненою зовнішністю, в різних умовах освітлення. Liveness detection обов'язковий: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo містить кілька передтренованих liveness‑детекторів.

Відеоаналітика

Відео — послідовність кадрів плюс часовий вимір. Наївний підхід — детектувати на кожному кадрі — дорого.

Трекінг: ByteTrack та BoT‑SORT — стандарт для multi‑object tracking. Працюють поверх будь-якого детектора, додають persistent ID об'єктам між кадрами — це дає підрахунок об'єктів, трекі руху, velocity.

Оптимізація: не потрібно обробляти кожен кадр. Для статичних сцен детекція на кожному 5–10 кадрі, між ними — трекер. Для детекції подій (людина увійшла в зону) background subtraction (OpenCV MOG2) як lightweight pre‑filter перед нейромережевою детекцією. Action Recognition: SlowFast, VideoMAE для класифікації дій. Важкі моделі — для production використовуємо ONNX export + TensorRT або офлайн обробку.

Як виміряти якість моделі розпізнавання образів у продакшені?

Моніторинг якості — ключовий елемент MLOps. Відстежуємо:

• розподіл prediction confidence;
• частку low‑confidence передбачень (індикатор OOD‑даних);
• дрейф вхідних зображень через feature distribution (embeddings з backbone).

Падіння середньої confidence з 0.87 до 0.71 за тиждень — ранній сигнал про distribution shift. NVIDIA Triton Inference Server рекомендує відстежувати ці метрики через Prometheus. Наші сертифіковані інженери налаштовують моніторинг і гарантують SLA по якості інференсу.

Деплой CV‑моделей

Для онлайн інференсу використовуємо Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Підтримує TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST та gRPC API. Гарантуємо стабільну роботу під навантаженням.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобільних пристроїв. OpenVINO для Intel CPU/GPU/VPU — дає 2–3× приріст швидкості на Intel залізі порівняно з ONNX Runtime. Після деплою передаємо модель з документацією та навчаємо персонал.

Що входить в роботу

Терміни та вартість

Прототип детектора на існуючих даних — 1–2 тижні. Production‑система з оптимізацією під цільове залізо — 4–8 тижнів. Повний цикл включаючи розмітку даних (1000–5000 зображень) — 2–4 місяці. Вартість розраховується індивідуально під кожну задачу. Ми на ринку більше 5 років, реалізували 60+ проектів з комп'ютерного зору. Оцінимо ваш проект під ключ — замовте консультацію, щоб отримати розрахунок та технічну пропозицію.