Russia 
Netherland 
Vietnam 
Компьютерное зрение и Edge-AI: от PoC до промышленной эксплуатации
Делаем визуальную инспекцию, видеоаналитику, детекцию и сегментацию на edge-устройствах. Весь цикл — от пилота на ваших данных до подключения к ERP/MES/SCADA и долгосрочной поддержки по SLA.
Машинное зрение как драйвер эффективности
Производство, ритейл и логистика каждый день теряют деньги на ручной проверке качества, ошибках подсчёта и медленной реакции на инциденты. Люди устают, пропускают дефекты, не успевают за конвейером. А попытки сделать CV «своими силами» часто тянутся месяцами, съедают бюджет и дают продукт, который работает только в лаборатории.
TermDoc берёт на себя всё: от экспресс-аудита и расчёта окупаемости до запуска в цеху и дальнейшей поддержки. Мы делаем edge-решения — видео обрабатывается на месте, без облака, с минимальной задержкой и полным контролем над данными. Вы видите эффект уже на пилоте и понимаете, как масштабировать дальше.
Что мы делаем
Ведём от первой встречи до работающей системы в цеху. Каждый шаг с понятными deliverables и критериями приёмки. Вы получаете не «нейросеть в вакууме», а готовый продукт, встроенный в ваши процессы. После запуска не бросаем, ведём по ретейнеру.
Аудит и feasibility
Смотрим на вашу задачу, сцену, данные и инфраструктуру. Определяем реальные KPI и строим гипотезы для пилота. На выходе получаем честный ответ: стоит ли браться, какие риски, какой эффект ждать.
Разработка моделей
Выбираем архитектуру под задачу: детекция, сегментация, классификация или трекинг. Собираем датасет, размечаем, обучаем, оптимизируем под железо (TensorRT, OpenVINO, ONNX Runtime). Проверяем на ваших данных, не на синтетике. Подробнее об автоматизации — Автоматизация документов и процессов.
: детекция, сегментация, классификация или трекинг. Собираем датасет, размечаем, обучаем, оптимизируем под железо (TensorRT, OpenVINO, ONNX Runtime). Проверяем на ваших данных, не на синтетике.
Пилот (PoC)
Запускаем на одной линии, камере или точке. Меряем то, что важно: latency, throughput, точность, ложные срабатывания. Фиксируем результаты и даём рекомендации по масштабированию. Обычно укладываемся в 4–6 недель.
Подключение к вашим системам
Связываем CV с ERP, MES, SCADA, DWH и BI. Настраиваем события, алерты, автоматические действия. Работаем с вашими протоколами и шинами данных, не ломаем то, что уже есть.
Запуск и обучение людей
Ставим в цех, настраиваем мониторинг. Учим операторов, технологов и IT-шников. Передаём документацию и регламенты — что делать, если что-то пошло не так.
Поддержка и развитие
Ведём по SLA: мониторим 24/7, реагируем в оговорённое время, плановое обслуживание. Дообучаем модели, когда меняются условия. Помогаем расти на новые площадки.
Почему нам доверяют CV-проекты
Мы не просто продаём технологию – мы становимся партнёром на весь путь. Работаем на измеримый результат, держим процессы прозрачными, глубоко понимаем промышленную специфику.
Как устроено: от камеры до бизнес-системы
Типовой пайплайн — это несколько слоёв, каждый со своей задачей. Проектируем под вас: on-prem для максимальной приватности, гибрид с облаком или полностью облачное для распределённых объектов.
Камеры и оптика
Подбираем железо под задачу: промышленные камеры (GigE Vision, USB3 Vision), IP-камеры или спецсенсоры. Смотрим на разрешение, fps, свет, расстояние и условия работы.
Захват и предобработка
Аппаратное декодирование (NVDEC), ресайз, нормализация, батчинг. Здесь важна скорость, особенно когда камер много.
Inference на edge
Гоняем модель локально: TensorRT, DeepStream, OpenVINO или ONNX Runtime. Квантуем до INT8/FP16, чтобы уложиться в нужный latency без потери точности.
Постобработка и логика
NMS, фильтрация, трекинг, правила («3 дефекта подряд — сигнал оператору»). Здесь рождаются события для ваших систем.
Интеграционный слой
REST/gRPC/MQTT/OPC-UA — берём тот протокол, который у вас уже есть. События летят в ERP/MES/SCADA для действий, в DWH — для аналитики.
Мониторинг
Latency, throughput, drift, логи, трейсы. Prometheus, Grafana, ELK — стандартный стек.
Сравнение edge-платформ
| Платформа | Latency | Мощность (TDP) | Сценарии применения | TCO (3 года) |
|---|---|---|---|---|
| NVIDIA Jetson Orin | 5–15 ms | 15–60 Вт | Многокамерные пайплайны, сложные модели, 4K-потоки | Средний |
| iGPU (Intel/AMD) | 20–50 ms | 15–45 Вт | Лёгкие модели, 1–2 камеры, использование существующих ПК | Низкий |
| VPU (Intel Movidius) | 30–80 ms | 1–5 Вт | Мобильные применения, ограниченное энергопотребление | Очень низкий |
При выборе учитываем не только вычислительные требования, но и условия эксплуатации: температурный режим, пылезащиту, вибрации.
Что это даёт каждому
У разных людей разные боли. Директору по производству важна стабильность линии, CTO — чтобы интеграция не развалилась, безопасникам — ловить нарушения, качеству — снижать брак. Строим коммуникацию под каждую роль.
Директор по производству / операциям
Боль: Ручная проверка не успевает за линией. Люди устают, пропускают дефекты, отбраковывают нормальную продукцию. Простои из-за поздно найденных проблем бьют по деньгам.
Что делаем: Автоматическая визуальная инспекция в реальном времени. Работает 24/7, сразу сигналит о дефектах, останавливает брак до накопления. Связь с MES — это автоматическая корректировка процесса.
Что получаете: FPY +5–12 п.п., меньше затрат на пересортировку, предсказуемое качество. Данные для анализа причин дефектов.
CTO / IT-директор
Боль: Делать CV самим, значит, нужны ML, DevOps, интеграторы, а это месяцы. Риск получить то, что работает только на тестах. Непонятно, сколько стоит и как планировать.
Что делаем: Готовая команда с опытом промышленных запусков. Проверенный стек (TensorRT/DeepStream/OpenVINO), интеграция с вашей инфраструктурой. Документация, мониторинг, передача знаний.
Что получаете: Пилот за 4–6 недель без найма ML-инженеров. Понятная архитектура, которую ваши люди смогут вести. Ясный TCO и план роста.
Директор по безопасности
Боль: Охрана не успевает смотреть все камеры. Нарушения СИЗ и проникновения в опасные зоны находят только по записям — постфактум. Реактивный подход не предотвращает инциденты.
Что делаем: Автоматическая детекция нарушений в реальном времени: каски, жилеты, периметр, подсчёт людей. Мгновенные алерты ответственным. Интеграция со СКУД и системами оповещения.
Что получаете: Инциденты ловятся за секунды, не за часы. Документация нарушений для расследований. Меньше нагрузка на операторов.
Руководитель качества
Боль: Выборочная проверка не даёт полной картины. Статистика собирается вручную с задержкой. Тренды видны поздно, когда брак уже накопился.
Что делаем: 100% автоматический контроль с классификацией дефектов. Данные идут в DWH и BI-дашборды в реальном времени. Алерты при отклонениях.
Что получаете: Полная прослеживаемость по партиям, сменам, участкам. Ранее обнаружение проблем. Данные для сертификации и работы с рекламациями.
5 шагов от идеи до цеха
Каждый проект идёт по проверенному маршруту. Это позволяет держать риски под контролем, фиксировать промежуточные результаты и принимать решения на фактах. На каждом шаге — конкретный deliverable.
Шаг 1. Feasibility
Делаем:
- Разбираемся в задаче и текущем процессе
- Оцениваем сцену: свет, углы, разнообразие объектов
- Проверяем, есть ли данные и какого качества
- Определяем реалистичные KPI для пилота
Выход: Честный ответ — стоит ли браться. Оценка рисков, примерная стоимость, рекомендации по стеку.
Шаг 2. Scope и Stack
Делаем:
- Фиксируем границы пилота: какие сцены, какие классы, какие метрики
- Выбираем камеры, оптику, edge-железо
- Определяем SDK (TensorRT/DeepStream/OpenVINO)
- Согласовываем, что нужно от вашей инфраструктуры
Выход: ТЗ на пилот с чётким scope, стеком и планом.
«Главный риск CV-проектов — разрыв между “работает в лаборатории” и “работает в цеху”. Мы строим процесс так, чтобы этот разрыв убить ещё на пилоте: тестируем на ваших данных, в ваших условиях, с вашими метриками.»
Ведущий консультант TermDoc
Шаг 3. PoC
Делаем:
- Собираем и размечаем датасет на ваших данных
- Обучаем модель, оптимизируем под железо
- Ставим пилот на одну линию/камеру/точку
- Меряем KPI: latency, точность, ложные срабатывания
Выход: Работающий прототип + отчёт с цифрами + рекомендации по масштабированию.
Шаг 4. Production
Делаем:
- Раскатываем на нужное количество камер/линий
- Подключаем к ERP/MES/SCADA/DWH
- Настраиваем мониторинг: метрики, логи, алерты
- Учим ваших людей, проводим приёмку
Выход: Промышленная система в эксплуатации, документация, обученный персонал.
Шаг 5. Support по SLA (ретейнер)
Делаем:
- Мониторим 24/7, реагируем в оговорённое время
- Плановое обслуживание, обновление моделей
- Дообучаем, когда меняются условия (новые дефекты, новые продукты)
- Помогаем расти на новые площадки
Выход: Стабильная работа, постоянное улучшение метрик, масштабирование по готовности.
Как измеряем успех
Никаких абстрактных «быстро» и «точно». Договариваемся о конкретных цифрах до старта и отслеживаем их на всём пути.
Скорость отклика (Latency)
Пропускная способность (Throughput)
Выход годных с первого раза (FPY)
Точность: ложные тревоги и пропуски
Заблуждения, которые мешают начать
Вокруг CV много мифов. Одни откладывают, потому что кажется сложно. Другие недооценивают и обжигаются. Разберём популярные.
Миф 1: «Это дорого, только для корпораций»
На самом деле: Edge-железо за последние годы подешевело в разы. Jetson Orin NX стоит как обычный промышленный ПК. Пилот можно запустить на одной камере с минимальными вложениями. Средний бизнес это уже делает.
Миф 2: «Нужен штат data scientist’ов»
На самом деле: Для эксплуатации готового CV ML-спецы не нужны. Мы передаём с документацией и регламентами. Ваши IT-шники ведут инфраструктуру, мы — модели (в рамках ретейнера).
Миф 3: «Без облака не обойтись»
На самом деле: Edge — это обработка полностью на месте. Данные не уходят с предприятия, всё работает без интернета. Облако — опция для тех, кому нужна централизованная аналитика.
Свой штат vs TermDoc
Можно делать самим — получите полный контроль, но нужны люди, время и первые шишки. Можно с нами — старт быстрее, результат предсказуемый.| Критерий | Собственный штат | TermDoc |
|---|---|---|
| Время до пилота | 4–6 месяцев (найм + онбординг + разработка) | 4–6 недель |
| Компетенции | Нужны ML-инженер, DevOps, интегратор | Готовая команда с опытом промышленных запусков |
| Риски пилота | Высокие — первый опыт, нет референсов | Низкие — отработанный процесс, референсная архитектура |
| Стоимость запуска | ФОТ + инфраструктура + эксперименты | Фиксированная стоимость PoC |
| Масштабирование | Зависит от загрузки штата | Параллельная работа по нескольким площадкам |
| Поддержка | Внутренние ресурсы, риск ухода ключевых сотрудников | SLA, гарантированный MTTR, непрерывность |
| Передача знаний | Знания остаются в головах | Документация, обучение, возможность перехода на самостоятельное сопровождение |
Кто у нас работает
Не привлекаем фрилансеров и случайных подрядчиков. Все ключевые компетенции внутри компании. Это значит: единые стандарты качества, быстрая коммуникация между специалистами и ответственность за результат без перекладывания на субподрядчиков.
ML-инженеры
CV-спецы с опытом детекции, сегментации и трекинга в промышленных условиях. PyTorch, TensorFlow, TensorRT, DeepStream, OpenVINO. Средний стаж 5+ лет, 30+ запусков.
DevOps и MLOps
Инфраструктура, CI/CD, контейнеры, оркестрация edge-железа. Мониторинг: метрики, логи, алерты. Держат production стабильным.
Интеграторы
Соединяют CV с ERP, MES, SCADA, DWH. SAP, 1С, Siemens, Wonderware, Ignition. REST, gRPC, MQTT, OPC-UA.
PM-ы
Координируют команду, общаются с вами, следят за сроками и деньгами. Еженедельные статусы, доступ к трекеру, всё документируется.
Партнёрства: NVIDIA Jetson Partner, опыт с Intel OpenVINO.
Кейсы
Лучший способ оценить наш подход — посмотреть на конкретные проекты. Каждый кейс — это измеримая польза в цифрах. Мы работаем с компаниями из разных отраслей и адаптируем подход под специфику бизнеса.
Производство электроники. Инспекция пайки
Было: Производитель плат терял деньги на ручной проверке. Люди пропускали дефекты и ложно браковали до 15% нормальной продукции.
Сделали: Визуальная инспекция на Jetson Orin с TensorRT-моделью детекции дефектов. Интеграция с MES — автоматическая маркировка и отбраковка.
Стало:
- FPY: 91% → 99,2% (+8,2 п.п.)
- Ложная отбраковка: −42%
- Latency: 45 ms → 18 ms
- Окупаемость: 7 месяцев
Ритейл. Очереди и подсчёт посетителей
Было: Сеть супермаркетов не знала, сколько людей в зале и какие очереди на кассах. Решения о числе открытых касс — «на глаз».
Сделали: Подсчёт посетителей, трекинг движения и детекция очередей на существующих IP-камерах. Данные идут в BI-дашборд и алерты менеджеру.
Стало:
- Точность подсчёта: 82% → 97%
- Время ожидания в очереди: −23%
- Оптимизация графика кассиров
- Данные для анализа конверсии по зонам
Стройка. PPE и периметр
Было: На площадке нарушали ТБ — работали без касок и жилетов, лезли в опасные зоны. Охрана не успевала смотреть все камеры.
Сделали: Автоматическая детекция СИЗ и контроль периметра. Алерты прорабу и в охрану за секунды. Интеграция со СКУД.
Стало:
- Recall по каскам: 98,5%
- Время реакции: минуты → секунды
- Зафиксировано в 3 раза больше нарушений (нашли скрытые проблемы)
- Документация для расследований
Часто задаваемые вопросы
Как выбрать камеры и оборудование?
Зависит от задачи: разрешение, fps, свет, расстояние, условия. На feasibility смотрим сцену и подбираем оптимальную связку с учётом бюджета.
Какая точность реальна?
Зависит от данных, разнообразия объектов и света. Для типовых задач — 95–99% при правильной постановке. На feasibility дадим честную оценку.
Edge или облако?
Edge — если нужны задержка <50 ms, приватность или работа без интернета. Облако — если нужна аналитика по нескольким площадкам.
Какие SDK?
TensorRT, DeepStream, OpenVINO, ONNX Runtime для inference. PyTorch, TensorFlow для обучения. GStreamer, FFmpeg для видео. Всё open-source, без vendor lock-in.
Как подключаетесь к нашим системам?
REST, gRPC, MQTT, OPC-UA — какой протокол у вас есть. Работали с SAP, 1С, Siemens, Wonderware, Ignition. Подробнее — Системная интеграция.
А безопасность данных?
При edge видео не уходит с площадки. События передаём по TLS. Доступ по ролям, логи для аудита.
Что в поддержке по SLA?
Мониторинг 24/7, реакция в оговорённое время, плановое обслуживание. Дообучаем модели, консультируем, помогаем расти. MTTR в договоре.
Работает без интернета?
Да. Edge-решения полностью автономны. События копятся локально и синхронизируются, когда связь появится.
Готовы начать?
CV — не разовый IT-проект, а инвестиция в эффективность, качество и безопасность. Кто автоматизирует визуальный контроль сегодня, получает преимущество на годы: меньше брака, быстрее реакция, объективные данные для решений.
Берём на себя весь путь, от оценки до поддержки. Вы получаете работающую систему с документацией и обученными людьми, а не обещания.
Десятки компаний из производства, ритейла и логистики уже с нами. Давайте обсудим, как CV может усилить ваш бизнес.
Не уверены, с чего начать? Discovery GenAI/LLM — в короткие сроки определим, где компьютерное зрение даст максимальный эффект.
Этапы сотрудничества
Свяжитесь с нами
Позвоните или напишите нам, и мы ответим как можно скорее.
