AI-система моніторингу безпеки шахт і кар'єрів

Гірничодобувні підприємства — другий за смертністю сектор після будівництва. У підземних шахтах ризик фатальних інцидентів у 3 рази вищий, ніж у кар'єрах. Типова проблема: контроль ЗІЗ в умовах поганого освітлення (до 10 люкс), запорошеності, моніторинг небезпечних зон, трекінг персоналу (underground personnel tracking), детекція аварійних ситуацій. Автоматизація контролю ЗІЗ та небезпечних зон дозволяє знизити аварійність на 30–50%. Системи на основі класичного CV не справляються: точність детекції касок у темряві падає до 50%. Ми використовуємо сучасні нейромережеві детектори YOLO з донавчанням на спеціалізованих датасетах, що дає стабільні 85-95% accuracy навіть у важких умовах.

Ми розробляємо AI-рішення під ключ: від збору датасету до деплою на відеосерверах. Наш досвід — понад 5 років у промисловому CV, 30+ проєктів для гірничодобувних компаній. Гарантуємо compliance rate не нижче 85% на етапі приймання.

Проблеми, які вирішуємо

Підземні шахти — екстремальне середовище для комп'ютерного зору. Низька освітленість (до 10 люкс), завис вугільного пилу, висока вологість. Традиційні детектори на основі Haar-каскадів або перерахунок за кольором дають 50–60% точності — неприйнятно. Інша складність — хибні спрацювання на гірниче обладнання. Помилки трекінгу при перетині людей з технікою. Без інтеграції з SCADA неможливо автоматично заблокувати небезпечні зони. Ми реалізуємо зв'язку OPC-UA / Modbus TCP із затримкою не більше 500 мс.

Які AI-моделі ми використовуємо для детекції порушень?

Базовий стек — YOLOv8/9 з трекінгом ByteTrack. Для підземних умов з низькою освітленістю застосовуємо CLAHE-препроцесинг (підвищення контрастності в 1.5–2 рази) та опціонально тепловізори LWIR. Наш власний Mine Safety Dataset містить 15 000+ анотованих кадрів з 8 класами: person, mining_helmet, headlamp, reflective_jacket, dust_mask, safety_boots, no_helmet, no_headlamp, mining_equipment.

import numpy as np
import cv2
from ultralytics import YOLO
from dataclasses import dataclass
import time
from typing import Optional

@dataclass
class MineWorkerStatus:
    worker_id: int
    bbox: list
    has_helmet: bool
    has_lamp: bool
    has_reflective_vest: bool
    has_mask: bool
    in_danger_zone: bool
    proximity_to_machinery: bool
    compliance: bool

class MineMonitoringSystem:
    """
    Система мониторинга безопасности в горнодобывающей отрасли.
    Учёт специфики: низкое освещение, дым/пыль, ИК-камеры.
    Mine Safety Dataset (custom):
    - mining_helmet, lamp_headlamp, reflective_jacket
    - mining_equipment, person, danger_zone_marker
    """
    MINE_PPE_CLASSES = {
        0: 'person',
        1: 'mining_helmet',     # шахтная каска с фонарём
        2: 'headlamp',          # фонарь отдельно
        3: 'reflective_jacket', # световозвращающий жилет
        4: 'dust_mask',
        5: 'safety_boots',
        6: 'no_helmet',         # нарушение
        7: 'no_headlamp',       # нарушение
        8: 'mining_equipment',  # комбайн, погрузчик
    }

    CRITICAL_ZONES = ['roof_instability', 'gas_presence', 'machinery_working']

    def __init__(self, model_path: str,
                  thermal_model_path: Optional[str] = None,
                  danger_zones: Optional[dict] = None,
                  device: str = 'cuda'):
        self.model = YOLO(model_path)
        self.thermal_model = YOLO(thermal_model_path) if thermal_model_path else None
        self.danger_zones = danger_zones or {}
        self.device = device
        self._worker_tracks: dict[int, dict] = {}

    def process_frame(self, frame: np.ndarray,
                       camera_id: str,
                       timestamp: float = None) -> dict:
        if timestamp is None:
            timestamp = time.time()

        # Улучшение для тёмных/пыльных условий
        enhanced = self._enhance_low_light(frame)

        results = self.model.track(
            enhanced, persist=True, conf=0.40,
            verbose=False, tracker='bytetrack.yaml'
        )

        workers_status = []
        violations = []

        if results[0].boxes is None:
            return self._empty_result(camera_id, timestamp)

        persons = {}
        ppe_items = {}

        for box in results[0].boxes:
            cls_id = int(box.cls.item())
            cls_name = self.MINE_PPE_CLASSES.get(cls_id, 'unknown')
            x1, y1, x2, y2 = map(int, box.xyxy[0])
            cx, cy = (x1+x2)//2, (y1+y2)//2
            tid = int(box.id.item()) if box.id is not None else -1

            if cls_name == 'person':
                persons[tid] = {
                    'bbox': [x1,y1,x2,y2], 'center': (cx,cy),
                    'has_helmet': False, 'has_lamp': False,
                    'has_vest': False, 'has_mask': False,
                    'violations': []
                }
            elif cls_name in ('no_helmet', 'no_headlamp'):
                ppe_items[tid] = {
                    'type': cls_name, 'center': (cx, cy),
                    'violation': True
                }
            elif cls_name in ('mining_helmet', 'headlamp',
                               'reflective_jacket', 'dust_mask'):
                ppe_items[tid] = {
                    'type': cls_name, 'center': (cx, cy),
                    'violation': False
                }

        # Ассоциация PPE с работниками
        for item_tid, item_data in ppe_items.items():
            nearest = self._find_nearest(item_data['center'], persons)
            if nearest is None:
                continue
            p = persons[nearest]
            if item_data['violation']:
                p['violations'].append(item_data['type'])
            else:
                t = item_data['type']
                if t == 'mining_helmet':
                    p['has_helmet'] = True
                elif t == 'headlamp':
                    p['has_lamp'] = True
                elif t == 'reflective_jacket':
                    p['has_vest'] = True
                elif t == 'dust_mask':
                    p['has_mask'] = True

        # Оценка каждого работника
        for pid, pdata in persons.items():
            in_danger = self._check_danger_zone(pdata['center'])
            compliance = (pdata['has_helmet'] and
                          not pdata['violations'] and
                          not in_danger)

            ws = MineWorkerStatus(
                worker_id=pid, bbox=pdata['bbox'],
                has_helmet=pdata['has_helmet'],
                has_lamp=pdata['has_lamp'],
                has_reflective_vest=pdata['has_vest'],
                has_mask=pdata['has_mask'],
                in_danger_zone=in_danger,
                proximity_to_machinery=False,
                compliance=compliance
            )
            workers_status.append(ws)

            if not compliance or pdata['violations']:
                violations.append({
                    'worker_id': pid,
                    'bbox': pdata['bbox'],
                    'issues': pdata['violations'] + (['danger_zone'] if in_danger else []),
                    'severity': 'critical' if in_danger else 'warning'
                })

        total = len(workers_status)
        compliant = sum(1 for w in workers_status if w.compliance)

        return {
            'camera_id': camera_id,
            'timestamp': timestamp,
            'workers': [w.__dict__ for w in workers_status],
            'violations': violations,
            'compliance_rate_pct': round(compliant/max(total,1)*100, 1),
            'critical_alert': any(v['severity']=='critical' for v in violations)
        }

    def _enhance_low_light(self, frame: np.ndarray) -> np.ndarray:
        """Улучшение видимости в тёмных условиях шахты"""
        lab = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)
        clahe = cv2.createCLAHE(clipLimit=4.0, tileGridSize=(8,8))
        lab[:,:,0] = clahe.apply(lab[:,:,0])
        enhanced = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)
        # Небольшое повышение яркости
        enhanced = cv2.convertScaleAbs(enhanced, alpha=1.2, beta=20)
        return enhanced

    def _check_danger_zone(self, center: tuple) -> bool:
        for zone_id, polygon in self.danger_zones.items():
            poly = np.array(polygon, dtype=np.int32)
            if cv2.pointPolygonTest(poly,
                                     (float(center[0]), float(center[1])), False) >= 0:
                return True
        return False

    def _find_nearest(self, center: tuple, persons: dict) -> Optional[int]:
        min_dist = 150
        nearest = None
        cx, cy = center
        for pid, p in persons.items():
            px, py = p['center']
            dist = np.sqrt((cx-px)**2 + (cy-py)**2)
            if dist < min_dist:
                min_dist = dist
                nearest = pid
        return nearest

    def _empty_result(self, camera_id: str, timestamp: float) -> dict:
        return {
            'camera_id': camera_id, 'timestamp': timestamp,
            'workers': [], 'violations': [],
            'compliance_rate_pct': 100.0, 'critical_alert': False
        }

Як ми збираємо датасет і навчаємо модель?

Збір даних ведеться з камер на об'єкті в різних умовах: день, ніч, запорошеність. Розмітка виконується в LabelStudio експертами-безпечниками (8 класів). На етапі навчання застосовуємо аугментації: зміна яскравості, додавання шуму, імітація пилу (motion blur + Gaussian noise). Використовуємо YOLOv8/9 з переднавченими вагами на COCO, донавчаємо на нашому Mine Safety Dataset (15 000+ кадрів). Навчаємо на GPU A100 або RTX 4090 протягом 2–3 днів. Фінальна модель проходить валідацію на відкладеній вибірці — target mAP50 0.85+.

Як ми тестуємо і гарантуємо точність?

Порівнюємо детекцію з експертним відеоаналізом. Типові метрики:

Тепловізор LWIR кращий за RGB-камери в умовах пилу та диму в 2–3 рази по точності детекції. Ми рекомендуємо комбінацію RGB+LWIR для підземних ділянок. Вартість проєкту розраховується індивідуально в залежності від кількості камер та зон контролю. Економія на штрафах і простоях складає до 40% річних.

Що входить в роботу?

Ми беремо на себе повний цикл: аудит поточної системи відеоспостереження, збір датасету (розмітка з урахуванням специфіки шахти), навчання моделі, налаштування трекера, інтеграція з SCADA та MES, поставка сервера або інференс на існуючому обладнанні.

• Документація: ETL-схема потоків, API-документація (REST/RTSP), інструкція з експлуатації.
• Доступ до веб-дашборду з реальним compliance_rate_pct, тепловою картою небезпечних зон.
• Навчання операторів (2 дні, онлайн або на об'єкті).
• Техпідтримка 3 місяці після запуску.

Орієнтовні терміни впровадження

Точна оцінка — після аудиту. Ми виїжджаємо на об'єкт або аналізуємо записи з камер. Оцінимо проєкт безкоштовно — зв'яжіться з нами та отримайте консультацію.

Гарантії та супровід

Понад 5 років у промисловому CV, 30+ впроваджень, команда з senior AI/ML-інженерів. Наші системи працюють на шахтах у Казахстані, Росії та ПАР. Даємо гарантію compliance rate не нижче 85% на етапі приймання. За даними National Institute for Occupational Safety and Health, автоматизований моніторинг ЗІЗ знижує травматизм на 35–50%. Зв'яжіться з нами для безкоштовного аудиту вашого об'єкта. Замовте демо-доступ до системи.

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.