Начнем с самой проблемы — откуда идет травматизм и штрафы на стройке? Почти всегда начинаются с мелочей: каску сняли «на минутку», зашли под стрелу крана, подрядчик пустил на объект людей без инструктажа.
В статье разберу, почему ручной контроль охраны труда не справляется, какие нарушения ведут к травмам и штрафам, как устроена видеоаналитика изнутри и что из неё получается на реальных объектах, а конце дадим чек‑лист внедрения и честно перечислим ограничения технологии.
Почему ручной контроль уже не справляется?
Строительство одна из трёх самых травмоопасных отраслей в России. По данным Роструда за 2 022 год, на него приходится 16,3% несчастных случаев с тяжёлыми последствиями. При этом контроль на большинстве площадок по‑прежнему держится на людях: обходы прораба и специалиста по охране труда, фотоотчёты, журналы.
У такого контроля три встроенных ограничения:
Человек не видит всю площадку сразу.
Нарушения замечают постфактум.
Данные собирают вручную и с задержкой.
Парадокс в том, что камеры на крупных объектах уже стоят. Но смотрят запись обычно только после инцидента, чтобы разобраться, кто виноват, при этом тратят время на поиск в видеозаписи, когда случился сам инцидент. Усилий прикладывают массу, но эффективность у этого не всегда высокая
Откуда берутся травмы и штрафы
Большинство травм и штрафов вырастает из нескольких повторяющихся нарушений. Их видно на видео, и за каждое есть свой штраф по ст. 5.27.1 КоАП РФ.
Штраф считается за каждое нарушение, а приостановка стройки даже на неделю обходится дороже любого штрафа. Отдельная статья расходов — простои техники: за них не штрафуют, но они съедают бюджет и сроки.
Как устроена ИИ‑видеоаналитика
Идея простая: камеры на объекте уже есть, не хватает только того, кто будет смотреть в них круглосуточно. Эту роль берут на себя нейросети.
Видеопоток проходит через три уровня:
Нейросети. Детекторы находят на кадре людей, каски, жилеты, строительную технику, дым и огонь.
Сценарии. Правило поверх детекций: «человек без каски в зоне работ», «человек в опасной зоне крана», «экскаватор стоит». Один сценарий может опираться на несколько нейросетей.
Модули. Сценарии сгруппированы по задачам: СИЗ, опасные зоны и периметр, контроль техники, инциденты, контроль подрядчиков.
Чем реальная стройка сложнее датасета
Модели, обученные на открытых датасетах, на площадке быстро теряют точность. Вот что мешает чаще всего:
Ракурсы и перекрытия. Камеры висят высоко, людей заслоняют леса, опалубка и техника.
Пыль и грязь. Грязная каска по цвету мало отличается от головы или шапки.
Освещение и погода. Контровый свет, снег, дождь, ночная смена.
Слабый канал связи. На многих объектах видеопоток нельзя передать в облако целиком.
Поэтому мы дообучаем сети на кадрах с реальных строек и анализируем событие во времени, а не по одному кадру. Случайный кадр, на котором каску закрыла рука, не превращается в нарушение. При слабом канале вычисления идут на самом объекте, а наружу уходят только события. Итоговая точность детекции в реальных условиях — 97%.
Например в моей компании мы очередной недавно внедрили у ТОП девелопера видеоаналитику на пилот, но по результатам заказчик масштабировал решение на все объекты тк видеоаналитика на базе ИИ оказалась крайне эффективным.
Как внедрить у себя: чек‑лист
Как и обещал, делюсь чек‑листом. Запуск на одном объекте занимает около недели, если заранее ответить на несколько вопросов. Технология — лишь половина дела, вторая — кто и как будет реагировать.
Выберите 2–3 самых дорогих нарушения. Начните с того, за что чаще всего штрафуют или что уже приводило к инцидентам: каски, опасные зоны крана, простои техники.
Проверьте камеры. Нужно понять, какие зоны они покрывают и достаточно ли деталей на кадре. Иногда хватает сменить угол наклона.
Назначьте ответственных за реакцию. Уведомление, которое никто не читает, ничего не меняет. Решите заранее, кто получает сигнал и за какое время должен отреагировать.
Предупредите подрядчиков. Пропишите видеоконтроль и порядок разбора нарушений в договоре. Дисциплина растёт уже от того, что люди знают о контроле.
Зафиксируйте точку отсчёта. Запишите текущие цифры: число предписаний, штрафы, машино‑часы простоя. Иначе через месяц не с чем будет сравнить.
Проведите пилот на одном объекте. Месяца обычно хватает, чтобы увидеть эффект и настроить сценарии под площадку.
Масштабируйте и добавляйте сценарии. Когда процесс реагирования отлажен, подключайте остальные объекты и новые типы нарушений.
Пишите в комментариях — внедряете ли вы видеоаналитику на своих строительных объектах?