Нейросетевая видеоаналитика в пищевом производстве. Прозрачность и контроль 360°

• Приветствие участников и объяснение времени начала конференции.  

• Представление спикера Максима Захарова, со-основателя и системного архитектора компании C&C.  

• Тема конференции: нейросетевая видеоаналитика как источник объективной информации.  

• Примеры задач для нейросетевой видеоаналитики в индустрии пищевого производства.  

• Контроль работы конвейеров для повышения производительности и снижения времени простоев.  

• Контроль потери холода и сокращение нерегламентного использования холодильного оборудования.  

• Контроль качества и исполнения технологических регламентов.  

• Видеоаналитика полезна там, где нет возможности использовать скады или датчики.  

• Проблемы, решаемые видеоаналитикой: несоответствие количества выпущенной продукции плану, низкая производительность, отсутствие оперативной информации о простоях.  

• Видеоаналитика помогает оперативно реагировать на простои и их причины.  

• Проблемы с нарушением температурных режимов и потерей холода.  

• Видеоаналитика помогает выявить инциденты и их причины.  

• Важность передачи данных в учетные системы для создания общего учета и снижения расходов на электроэнергию.  

• Пример процедуры добавления ингредиентов в миксер с жестким регламентом по времени.  

• Видеоаналитика помогает выявить несоблюдения регламента и реагировать на них.  

• Решение остается доступным как с точки зрения оборудования, так и внедрения.  

• Видеоаналитика эффективна там, где нет возможности использовать скады или датчики.  

• Дорожная карта внедрения: 4-6 недель, стандартизированные кейсы.  

• Обучение моделей и стыковка с учетными системами для оперативного принятия управленческих решений.  

• Обсуждение точности видеоаналитики для учета выпуска продукции.  

• Примеры линий с высокой точностью 99,98%.  

• Рекомендации по записи на консультации для получения более подробной информации о кейсах.  

• Видеоаналитика имеет ограничения, несмотря на её популярность.  

• Первое ограничение связано с бюджетными камерами и их скоростью.  

• Камеры за 10 тысяч рублей не могут обеспечить высокую скорость кадров для анализа конвейеров.  

• Обычные камеры не могут различать мелкие различия в цвете, например, полтона.  

• Видеоаналитика может различать продукцию по цвету, но не по полутонам.  

• Это ограничение связано с доступностью и качеством камер.  

• Существуют дорогие и доступные решения для видеоаналитики.  

• Компания специализируется на доступных решениях.  

• В пищевой промышленности бюджеты на автоматизацию ограничены, что делает доступные решения более привлекательными.  

• Вопросы о кодах маркировки и расстоянии между упаковками.  

• Компания не работает с кодами маркировки, так как не видит в этом массовости.  

• При медленной линии распознавания возможно, но важно соотношение размера распознаваемого объекта к кадру.