Ритейлеры теряют до 18% выручки из-за очередей на кассах и пустых полок в часы пик. Видеоаналитика для ритейла на базе легковесных нейросетей решает эту проблему прямо на периферии магазина без закупки тяжелых серверов. Команда ZORKA проектирует системы компьютерного зрения, которые передают алерты персоналу за 3 секунды.
Где розница теряет деньги: кассовые пробки и фантомные остатки на полках
Традиционный аудит магазина опирается на запоздалые отчеты товароведов и редкие ручные ревизии. Покупатель просто разворачивается и уходит, если видит перед кассой более 4 человек или не находит нужный товар. В среднем супермаркет упускает до 420 000 рублей в месяц только из-за скрытых задержек в обслуживании.
Компьютерное зрение магазин превращает в прозрачную аналитическую матрицу. Камеры фиксируют брошенные корзины, скорость сканирования чека и реальную плотность людского потока. Студия ZORKA настраивает сквозной трекинг без сбора персональных биометрических данных, гарантируя соблюдение 152-ФЗ.
Откажитесь от распознавания лиц в зале. Используйте детекцию силуэтов и трекинг через ByteTrack, чтобы исключить юридические риски и снизить нагрузку на чипы в 4 раза.
Локальный инференс против облаков: строим надежный Edge AI пайплайн
Передача 20 потоков Full HD в облако требует стабильного канала шириной от 80 Мбит/с на каждый магазин. При малейшем обрыве связи детекция очередей падает, а ритейлер получает огромные счета за облачные серверы. Мы переносим вычисления на компактные Edge-микрокомпьютеры, устанавливаемые прямо в серверный шкаф магазина.
Нейросети YOLOv8 и RT-DETR компилируются через TensorRT под видеоускорители Nvidia Jetson в формате INT8. Инференс одного кадра занимает всего 12 миллисекунд, позволяя плате разбирать 8 потоков одновременно. В корпоративную CRM и мессенджеры уходят только легкие структурированные JSON-события через протокол MQTT.
Обработка видео с частотой 25 кадров в секунду ритейлу не нужна. Снижение частоты захвата до 3-5 FPS сохраняет 70% вычислительной мощности без малейшей потери точности детекции.
Распознавание очередей и контроль выкладки: математика детекции за секунды
Базовое AI распознавание очередей часто путает реальных покупателей со случайными прохожими или консультантами. Алгоритмы ZORKA учитывают вектор движения людей, плотность группы и время нахождения в кассовом полигоне. Если покупатель задерживается в зоне ожидания дольше 45 секунд, система фиксирует формирование очереди.
Контроль планограммы опирается на сегментационные маски полочного пространства по товарным категориям. Нейросеть делит стеллаж на слоты и вычисляет процент заполненности каждого SKU по контрасту и геометрии упаковок. При падении остатка на полке ниже 20% мерчандайзер мгновенно получает задачу с точным номером стеллажа.
Для устранения бликов от ярких светильников мы применяем динамическую гамма-коррекцию и обучаем модели на синтетических тенях. Точность детекции держится на отметке 96% при любом угле освещения.
Сквозная связка с кассами и ботами: 18% сохранения выручки на практике
Аналитика посещаемости торговой точки раскрывает ценность при интеграции с графиком работы кассиров. Когда система замечает волну покупателей у входа, старший смены за 2 минуты до затора получает команду вызвать сотрудника на вторую кассу. Среднее время ожидания в очереди падает с 6 минут до комфортных 90 секунд.
Внедрение системы в сети из 12 супермаркетов снизило отток клиентов у касс на 11% и сократило провалы по выкладке на 7%. Итоговое сокращение потерь составило 18.4% по итогам первого квартала. Стоимость оборудования на одну точку уложилась в 145 000 рублей, окупив расходы за 45 дней.
Предотвращение брошенных корзин сохраняет супермаркету от 35 чеков в день. Для филиала с чеком в 750 рублей это дает более 780 000 рублей сохраненного оборота в месяц.
- Зависимость от интернет-канала с полосой от 80 Мбит/с на точку
- Регулярные счета за облачные GPU от 65 000 рублей в месяц за магазин
- Опоздание алертов на 2-3 минуты из-за буферизации видеопотоков
- Юридические риски сбора персональных данных по 152-ФЗ
- Автономный локальный инференс на микросерверах внутри магазина
- Отсутствие постоянных подписок за аренду внешних облачных серверов
- Мгновенная отправка сигнала персоналу за 3 секунды через MQTT
- Строгая анонимизация с трекингом силуэтов без распознавания лиц
- Анализ углов обзора существующих RTSP-камер
- Построение координатных полигонов касс и полок
- Квантование моделей YOLOv8 и RT-DETR в TensorRT INT8
- Тестирование пропускной способности на стенде ZORKA
- Установка микросерверов в локальный контур магазина
- Настройка очередей сообщений и Telegram-ботов персонала
- Тонкая настройка фильтрации ложных скоплений людей
- Финальный замер точности детекции и обучение сотрудников
Часто задаваемые вопросы
В 90% случаев замена камер не требуется. Достаточно наличия стандартного RTSP-потока и разрешения от 1080p при 15 кадрах в секунду. Наши инженеры калибруют углы обзора программно через перспективные преобразования матрицы кадра.
Мы настраиваем фильтрацию по времени нахождения и характеру движения объекта в кассовом полигоне. Персонал магазина непрерывно перемещается между полками или одет в брендированную униформу, что отсекается вторичным классификатором признаков.
Система продолжает работать полностью автономно. Локальный Edge-сервер обрабатывает видеопотоки внутри закрытой сети и отправляет звуковые или световые алерты на кассовые терминалы по локальному протоколу TCP/IP.
Для покрытия 6 касс и ключевых стеллажей достаточно одного микросервера на базе чипа уровня Jetson Orin стоимостью около 145 000 рублей. Решение не требует ежемесячных лицензионных платежей за аренду сторонних облачных нейросетей.
Обсудить ваш проект с командой ZORKA
Проведем экспертный бриф, предложим оптимальный стек и составим прозрачную смету за 2 дня.