Несчастные случаи, приводящие к производственному травматизму, считаются серьёзной проблемой в мире, в том числе и в России. Зачастую произошедшее ЧП заканчивается либо потерей дееспособности работником, либо смертельным исходом. Внедрение ИИ в систему видеомониторинга за строительной площадкой позволяет снизить вероятность несчастных случаев на объекте. С опорой на статистические данные рассмотрим, как это происходит.
Решил начать с сферы строительства тк разбираюсь в ней очень хорошо и считаю, что это одна из важных сфер применения ИИ. Здесь, помимо самого процесса строительства, важен процесс мониторинга за объектами, персоналом и техникой. Современные системы работают с несколькими инструментами:
YOLOv8 применяется непосредственно для обнаружения объектов на строительной площадке.
ResNet позволяет классифицировать объекты.
Также используются EfficientDet, Mask R-CNN и U-Net для дополнительной сегментации.
На строительной площадке нельзя допускать игнорирование даже базовых правил техники безопасности. На стройках работают десятки единиц самой разной техники, будь то краны, экскаваторы или самосвалы. Нахождение персонала в зонах работы этих машин требует особого внимания и контроля. Поэтому ИИ выполняет здесь важную функцию мониторинга и контроля за объектом в реальном времени. Только за первые пять месяцев 2026 года при помощи систем видеонаблюдений с интегрированным ИИ на московских стройках удалось выявить 18 тысяч нарушений. Все они относятся к несоблюдению требований охраны труда или нарушению техники безопасности. Среди самых частых отмеченных проблем - отсутствие средств индивидуальной защиты на работниках, а также недостаточное количество ограждений около опасных участков.
Любое игнорирование правил техники безопасности может привести к травме или даже гибели сотрудника. Падающий с высоты объект представляет угрозу для жизни. Если сотрудник не станет надевать каску, то в случае удара условным кирпичом он серьёзно рискует здоровьем. Необходимо также учесть, что на строительной площадке могут работать сотни человек, и коллективное игнорирование техники безопасности может привести сразу к ряду травм.
Ценность внедрения ИИ в систему видеомониторинга продемонстрирована на схеме:

По данным Роструда, в 2024 году наибольшее число несчастных случаев происходило из-за падения с высоты - это 23%. Также в список самых частых причин травм вошли транспортные происшествия на объекте, падение на ровной поверхности, обрушения и завалы, а также воздействие движущихся или вращающихся элементов машин. Более наглядно это продемонстрировано на диаграмме:

Именно здесь мониторинг в реальном времени при помощи ИИ позволяет выявить нарушения и сразу же принять меры. Вовремя обнаруженный сотрудник без каски или опознавательной одежды поможет избежать несчастного случая. По данным Росстата РФ, производственный травматизм снижается во всех отраслях экономики. Если в 2015 году число людей, получивших травмы на рабочем месте, составляло более 28 тысяч, то в 2025 году идёт снижение на 7 тысяч - до 20 тысяч соответственно. Наглядно это можно увидеть на графике:

Травмы на строительной площадке могут получить не только сотрудники. Не стоит забывать, что такие большие пространства привлекают молодёжь и людей, желающих получить порцию острых ощущений от проникновения на закрытую территорию. Охранники не всегда могут уследить за всей строительной площадкой.
Как уже упоминалось выше, на строительных площадках работает крупногабаритная техника, роются котлованы и перевозятся тяжёлые грузы. Обычному человеку, который проник в эту зону - особенно ночью, - очень легко попасть в опасную ситуацию. Его может не заметить водитель грузовика, он может провалиться в яму или дотронуться до проводов. Вариантов возможных несчастных случаев наберётся действительно много.
Внедрённый в камеры видеонаблюдения ИИ замечает, если кто-то незаконно проникает на территорию строительной площадки и подаёт соответствующую команду охране. Именно заранее обнаруженный факт несанкционированного проникновения позволяет избежать возможного несчастного случая.
Стоит также отметить, что ИИ позволяет замечать в реальном времени нештатные ситуации и минимизировать убытки или другие потери от них. Видеокамеры могут практически мгновенно заметить утечку какой-либо жидкости, задымление или возгорание на объекте. Вовремя обнаруженная проблема сохранит здоровье работников на строительной площадке. Современные нейросети способны распознать угрозу за несколько десятков секунд, в то время как человеку на это могут потребоваться минуты. Наглядная разница в методах наблюдения представлена в таблице:
Сравнение методов мониторинга
Параметр |
Человек (ручной) |
ИИ-мониторинг |
Скорость обнаружения |
Медленно, вплоть до нескольких минут |
Мгновенно, от несколько секунд |
Охват зон |
Ограниченный |
Полный |
Утомляемость |
Высокая (человеческий фактор) |
Отсутствует |
Точность |
Зависит от внимания работника |
Более 90% |
Способность работать 24/7 |
Нет |
Да |
Издержки |
Зарплата работникам |
Окупается после интеграции |
Помимо мониторинга в режиме реального времени, в рамках работы механизма ИИ используется предиктивная аналитика. Она подразумевает анализ данных, полученных ранее, с последующим прогнозированием возможных нештатных ситуаций. ИИ ищет закономерности, которые говорят о том, что некоторые события происходят в тот или иной день, при определённых условиях или при работе одной бригады. На основе этих данных ИИ прогнозирует то или иное внештатное событие. Комплексный анализ позволяет охватить все сферы и зоны на строительной площадке и предостеречь работников от вероятных несчастных случаев. Факторы, на которые опирается ИИ при предиктивной аналитике, указаны в таблице:
Категория факторов |
Влияние на прогноз |
Источник данных |
Погодные условия |
Повышение шанса падения, обрушений, появления скользких поверхностей |
Метеостанции, датчики на объекте |
Техническое состояние оборудования |
Увеличение вероятности поломок и аварий |
Бортовые компьютеры, телеметрия и данные GPS |
Человеческий фактор |
Повышение шанса нарушений ТБ и ошибок из-за низкого опыта и усталости |
Истории нарушений, внутренняя документация, журналы инструктажей |
Организация работ |
Высокая интенсивность и плотный график увеличивают шансы на несчастный случай |
Планы выполнения работ, графики |
Состояние строительной площадки |
Прямая видимость и обилие мусора на площадке повышают риск травм |
Непосредственно данные видеокамер |
Современная предиктивная аналитика в сфере строительства основывается на ансамблевых методах. Например, на методе случайного леса или градиентного бустинга. На качество прогноза напрямую влияет количество и качества входных данных. ИИ не рассматривает факты поодиночке, он проводит их анализ в совокупности. Каждый фактор превращается в числовой признак, а в результате прогноза появляется чёткий ответ с вероятностью в процентах о возможном ЧП.
По сообщениям “Российской газеты” в 2025 году, при помощи ИИ было исправлено практически две тысячи нарушений. Губернатор Московской области Андрей Воробьёв отмечал, что во время строительства многопрофильной больницы в Балашихе при помощи алгоритмов, внедрённых в систему видеонаблюдения, можно было наблюдать за присутствием рабочих, техники, специалистов разных профилей на строительной площадке, а также, собственно, следить за тем, надеты ли на людях каски. Это наглядный пример того, как внедрённый в рабочий процесс ИИ позволяет мониторить обстановку на строительной площадке и заранее предотвращать возможные несчастные случаи.
Внедрение ИИ в систему видеонаблюдения действительно способствует повышению уровня безопасности на объектах. Если вовремя обнаружить нарушение или источник потенциальной опасности для здоровья рабочих, то можно принять своевременное решение и приступить к выполнению соответствующих мер. Эксперт в сфере недвижимости Валерий Тумин также отмечает, что мониторинг за строительными площадками в реальном времени активно применяется и позволяет формировать уведомления о возможных рисках и привлечении дополнительного внимания к некоторым объектам.
Что думаете по этому поводу? Пишите в комментариях
Комментарии (2)

ToxaBes
30.08.2026 13:09YOLOv8 применяется непосредственно для обнаружения объектов на строительной площадке.
Устарело на несколько лет. Сейчас внедряю решения на базе RF-DETR. Это трансформер, у которого по сравнению с Yolo выше точность (mAP) и лучше сегментация границ.
ResNet позволяет классифицировать объекты.
RF-DETR без проблем решает задачи классификации. Более того, даже Yolo в виде Yolo-cls делает тоже самое.
Также используются EfficientDet, Mask R-CNN и U-Net для дополнительной сегментации.
И здесь все заменяется RF-DETR, кроме разве что, семантичекой сегментации в U-Net, но она в большинстве случаев просто не нужна.
Devpiligrim
А что тут думать? Конечно, использование видеонаблюдения и ИИ-анализа на производстве очень полезно. Создавал аналогичную систему для использования на кранах, работает отлично и эффективно. Она ловит человека в опасной зоне движения крана, заход под поднимаемый груз, отсутствие каски или спецодежды, и делает это в реальном времени, чтобы оператор успел среагировать до того, как что-то случится, а не постфактум при разборе записи.
Но есть несколько нюансов, и главный из них даже не сама модель, а железо. Чтобы срабатывание было мгновенным, анализ должен выполняться прямо на камере или рядом с ней: гнать видеопоток на центральный сервер и ждать ответа по сети - это и задержки, и нагрузка на сеть, и риск, что при обрыве связи обнаружение просто перестанет работать, ну и сами цеха и стройплощадки - не лучшее место для беспроводных сетей. А камеры с обработкой изображений "на лету" - это уже не офисный девайс отдела охраны, а промышленное изделие: виброустойчивое, с защитой от пыли и влаги, с рабочим диапазоном температур, сертифицированное. Плюс к этому нужен централизованный контур управления, чтобы правила обновлялись сразу на все камеры и новые участки подключались без переделки всей системы. Вот с этим у индустрии до сих пор беда: готовых стандартных решений, которые можно купить и развернуть за пару недель, практически нет, каждый объект - индивидуальная интеграция, а это совсем другие деньги.
По идее, на всех производствах нужно внедрять видеофиксацию и анализ для каждого сотрудника, спору нет. Но если посчитать честно - умная камера, сервер, сеть, интеграция, обучение персонала, техподдержка, - цена одной точки контроля выходит такая, что средний завод предпочтёт доплатить за страховку, а не вкладываться в профилактику.Для большинства предприятий это пока очень дорого. Короче, направление правильное, но до массового внедрения индустрии ещё далеко.