SYSTEM ACTIVESITES MONITORED: 47INCIDENTS TODAY: 12814:23:47 GMT+3
[ 01 / ВИДЕОАНАЛИТИКА ОХРАНЫ ТРУДА ]

Камера уже есть.
Надзиратель
теперь тоже.

Система искусственного интеллекта подключается к вашим IP-камерам и круглосуточно фиксирует нарушения охраны труда и технологических процессов. С объяснением. На русском языке. В Telegram прораба — за 3 секунды.

РАЗРАБОТКА HEADBOTS · UTLIK.COMINSK / MOSCOW
CAM-07 · ЦЕХ №3 · УЧАСТОК ПРЕССОВREC 1080p
CRITICAL · 14:23:47
Работник находится в зоне активных подъёмных работ крана К-5 без защитной каски более 4 секунд.
→ TELEGRAM: @supervisor_ceh3 · СИРЕНА: ZONE-3
[ 01.5 / В ДЕЛЕ ]

Что видит детектор
на разных площадках.

Реальные CC0-видео (Pexels), прогнанные через YOLOv11 с нашим UI-overlay. Базовая модель ловит людей и технику; fine-tune под каски/жилеты/страховку — на этапе внедрения.
CAM-01 · СТРОЙКА
Подробно →
CAM-01 · СТРОЙКАS1
Двое работников — каски и жилеты присутствуют
YOLO · person detection · compliant scene
+ −1.2 млн ₽/инцидент
Открыть кейс целиком
CAM-02 · СКЛАД
Подробно →
CAM-02 · СКЛАДW1.A
Пешеход в узком проходе между стеллажами
YOLO · person in aisle
+ −8 млн ₽/год на камеру
Открыть кейс целиком
CAM-04 · ЦЕХ
Подробно →
CAM-04 · ЦЕХP5
Оператор у станка — присутствие и поза
YOLO · presence at workstation
+ −9 млн ₽/год на камеру
Открыть кейс целиком
CAM-05 · ГРУЗ. ДВОР
Подробно →
CAM-05 · ГРУЗ. ДВОРW2
Погрузчик на площадке, контроль зоны движения
YOLO · truck-class bbox + zone-polygon
+ −9 млн ₽/год на камеру
Открыть кейс целиком
CAM-06 · ПОРТ / ТАМОЖНЯ
Подробно →
CAM-06 · ПОРТ / ТАМОЖНЯS4
Ричстакер у контейнеров — контроль крановой зоны
YOLO · crane-zone surveillance
+ −40 млн ₽/год на камеру
Открыть кейс целиком
CAM-03 · АЗС
Подробно →
CAM-03 · АЗСP3
СИЗ оператора — перчатка при контакте с пистолетом
YOLO · glove detection (fine-tune)
+ −1 млн ₽/год на камеру
Открыть кейс целиком
Footage: Pexels (CC0) · Детекция: YOLOv11 + SafetyVision overlay engine. Карточки со ссылкой «Подробно →» ведут на детальную страницу юзкейса.
[ 01.7 / ПРАВИЛО W2 · СКОРОСТЬ ]

Превышение скорости
в реальном времени.

IoU-трекер между кадрами + оценка по смещению bbox (калибровка по ширине объекта). Погрузчик в помещении — предел 2 км/ч, грузовик на дворе — 8 км/ч, ричстакер — 6 км/ч. Нарушение → красная рамка + алерт-банка в HUD за 3 секунды.
CAM-W2 · ВНУТРИ СКЛАДА
Подробно →
CAM-W2 · ВНУТРИ СКЛАДАW2 · 2 км/ч
Погрузчик Toyota идёт через проход
IoU tracker · pixel → km/h · красит бокс при > 2
+ −9 млн ₽/год на камеру
Открыть кейс целиком
CAM-W4 · ГРУЗОВОЙ ДВОР
hover для деталей →
CAM-W4 · ГРУЗОВОЙ ДВОРW2 · 4 км/ч
Грузовик на площадке загрузки
IoU tracker · pixel → km/h · красит бокс при > 4
CAM-W3 · ПОРТ / ТАМОЖНЯ
hover для деталей →
CAM-W3 · ПОРТ / ТАМОЖНЯW2 · 6 км/ч
Ричстакер с контейнером
IoU tracker · pixel → km/h · красит бокс при > 6
Скорость оценивается stateful-трекером IoUTracker (edge/rules/tracker.py) — pixel displacement центра bbox между кадрами × fps, калибровка через ширину объекта в метрах. На пилотном внедрении подставляется реальная калибровка под поле зрения камеры и зону.
[ 01.8 / ПОЙМАНО ]

Когда система
ловит нарушение.

Красная рамка + ALERT-банка в HUD появляются, когда правило сработало. Четыре типа эвристик на тех же CC0-видео — каждый тип правил переключается отдельным YAML в edge/rules/definitions/.
CAM-W1 · СКЛАД
Подробно →
CAM-W1 · СКЛАДW1
Пешеход в зоне техники
person + truck bbox intersect → красный
+ −24 млн ₽/год на камеру
Открыть кейс целиком
CAM-P7 · ОФИС / СТАНЦИЯ
Подробно →
CAM-P7 · ОФИС / СТАНЦИЯP7
Телефон на рабочем месте
class=cell_phone → красный бокс + ALERT
+ −7 млн ₽/год на камеру
Открыть кейс целиком
CAM-F1 · КРЫША / ВЫСОТА
Подробно →
CAM-F1 · КРЫША / ВЫСОТАFALL
Падение работника
aspect-ratio > 1.1 → FALL DETECTED
+ −15 млн ₽/инцидент
Открыть кейс целиком
CAM-S9 · ГАЛЕРЕЯ / ХОЛЛ
Подробно →
CAM-S9 · ГАЛЕРЕЯ / ХОЛЛS9
Скопление людей в проходе
count(person) ≥ 5 → CROWDING ALERT
+ до −100 млн ₽/давка
Открыть кейс целиком
Эвристики в render.py: proximity-check для W1, class-match для P7, bbox-geometry для fall, frame-count для crowd. В продакшене подставляется fine-tuned модель под каски/жилеты/страховку + LLM-арбитр Claude Sonnet.
[ 01.9 / ЗОНЫ · ПЕРИМЕТР · ДОСТУП ]

Контроль зон
и перемещений.

Полигональные зоны (пешеходные, эвакуационные), ночное наблюдение, контроль въезда транспорта. Всё через те же CC0-видео — без реального датчика, только YOLO + эвристики.
CAM-W3 · ДОРОГА / ВЪЕЗД
Подробно →
CAM-W3 · ДОРОГА / ВЪЕЗДW3
Мотоцикл · проверка шлема
motorcycle class → helmet check required
+ −4 млн ₽/год на камеру
Открыть кейс целиком
CAM-Z1 · ПЕШЕХОДНАЯ ЗОНА
Подробно →
CAM-Z1 · ПЕШЕХОДНАЯ ЗОНАZ1
Въезд транспорта в пешеходную зону
car-bbox ∩ polygon → UNAUTHORIZED VEHICLE
+ −3.6 млн ₽/год на камеру
Открыть кейс целиком
CAM-N1 · ПЕРИМЕТР НОЧЬЮ
Подробно →
CAM-N1 · ПЕРИМЕТР НОЧЬЮN1
Ночное проникновение
brightness < 60 + person → INTRUSION
+ −10 млн ₽/попытка
Открыть кейс целиком
CAM-S7 · КОРИДОР / ВЫХОД
Подробно →
CAM-S7 · КОРИДОР / ВЫХОДS7
Блокировка аварийного выхода
object in exit-zone > 15 frames → BLOCKED
+ −500k ₽ штраф МЧС
Открыть кейс целиком
В боевой установке полигоны рисуются через CVAT (см. /cameras/[id]/zones/edit), stateful-счётчики хранятся в edge/rules/dwell.py (per track_id + rule_id), ночные/IR-режимы — отдельные веса + IR-sensor на edge-устройстве.
[ 02.0 / ЕЩЁ 10 ПРАВИЛ ]

Полный каталог правил
из SPEC §2.

24 правила в сумме: 4 отрасли × 6 типовых сценариев. Одна камера обычно покрывает 2-4 правила одновременно — отдельной интеграции на каждое не требуется.
CAM-P1 · РЕМ. БОКС
Подробно →
CAM-P1 · РЕМ. БОКСP1
Защитные очки у станка
Classifier goggles / no_goggles на face-bbox
+ −6 млн ₽/год на камеру
Открыть кейс целиком
CAM-P4 · ПЛОЩАДКА
Подробно →
CAM-P4 · ПЛОЩАДКАP4
Запретная зона ±2м вокруг техники
Динамический полигон вокруг tracked bbox техники
+ −12 млн ₽/год на камеру
Открыть кейс целиком
CAM-P8 · РЩ-3
Подробно →
CAM-P8 · РЩ-3P8
Открытый электрощиток без наряда
open_panel class + cross-check с ERP
+ −4.5 млн ₽/год на камеру
Открыть кейс целиком
CAM-P10 · ЛЕСА +8М
Подробно →
CAM-P10 · ЛЕСА +8МP10
Страховка на высоте > 1.8м
YOLO-pose + height-est + harness-classifier
+ −12.5 млн ₽/год на камеру
Открыть кейс целиком
CAM-S2 · СТРОЙПЛОЩАДКА
Подробно →
CAM-S2 · СТРОЙПЛОЩАДКАS2
Сигнальный жилет в зоне техники
vest-class (SH17 fine-tune) per person-bbox
+ −4 млн ₽/год на камеру
Открыть кейс целиком
CAM-S3 · ЛЕСА
Подробно →
CAM-S3 · ЛЕСАS3
Работа на высоте без страховки
Pose + harness + anchor — triple-check
+ −22 млн ₽/год на камеру
Открыть кейс целиком
CAM-S8 · СВАРКА
Подробно →
CAM-S8 · СВАРКАS8
Сварка без защитной маски
arc-detect (яркость) + mask-classifier
+ −3 млн ₽/год на камеру
Открыть кейс целиком
CAM-W3S · СКЛАД
Подробно →
CAM-W3S · СКЛАДW3.S
Неправильное штабелирование
palette-detection + геометрия пирамиды
+ −12 млн ₽/год на камеру
Открыть кейс целиком
CAM-W5 · СТЕЛЛАЖИ
Подробно →
CAM-W5 · СТЕЛЛАЖИW5
Работа на стеллажах без лестницы
person на высоте + отсутствие ladder в радиусе
+ −8 млн ₽/год на камеру
Открыть кейс целиком
CAM-W6 · ПОДЪЁМ
Подробно →
CAM-W6 · ПОДЪЁМW6
Поднятие тяжестей спиной
YOLO-pose keypoints + angle analysis
+ −2 млн ₽/год на камеру
Открыть кейс целиком
Видео переиспользуются между правилами — в реальном пилоте одна камера действительно покрывает несколько правил (например, cтройка = S1+S2+S3+P10+Fall). Каждое правило имеет собственные confidence-пороги, LLM-prompt и dwell-time. Правила, помеченные «fine-tune required», нуждаются в доразметке кадров с конкретного объекта на этапе внедрения.
[ 02.0 / ROADMAP · ПОСЛЕ PILOT ]

Что подключается
после fine-tune модели.

S8 · Сварка без маски
YOLO + attribute head по сварочной маске; CHV-датасет базой
P7 · Курение в пром. зоне
Детектор пламени/дыма (CC0 fire-smoke модели) + close-to-person
S3 · Работа на высоте без страховки
YOLO-pose + keypoints пояса/страпа + height estimate
S2 · Отсутствие жилета
SH17 fine-tune: vest / no_vest классы (уже есть в код-базе)
P8 · Открытый электрощиток
Custom object detector на open-panel фиксации
P5 · Оставленный пульт управления
Tracker + "operator dismissed" эвристика по dwell-time
[ 02 / ВАША РОЛЬ ]

Кому это решает задачу

Выберите свою позицию — мы покажем, что конкретно вы получите от внедрения.

ROLE → СЛУЖБА ОХРАНЫ ТРУДА
Боль

Вы физически не можете уследить за 15 камерами одновременно. Акты пишутся после инцидента, а не до.

+
Решение

ИИ-инспектор дежурит 24/7 на каждой камере. Нарушения фиксируются автоматически с видео-доказательством, готовым для акта.

−68%
инцидентов за первые 3 месяца
100%
покрытие смен без дополнительных штатных единиц
< 3 сек
от нарушения до уведомления
[ 03 / ПРИНЦИП РАБОТЫ ]

Гибридная архитектура:
быстрые детекторы на объекте,
умный арбитр в облаке.

01

Подключение

К вашим существующим IP-камерам по RTSP. Без замены инфраструктуры.

02

Локальная детекция

Edge-устройство на объекте анализирует поток в режиме реального времени — YOLO, pose estimation, зоны.

03

LLM-арбитраж

При потенциальном нарушении кадр уходит в Claude AI. Арбитр подтверждает факт, учитывая контекст.

04

Реакция

Telegram, email, звонок, сирена — за 3 секунды. Описание на русском, доказательство прилагается.

Видео не покидает периметр

Наружу уходят только ключевые кадры событий. Для госпредприятий — полностью on-premise.

Размытие лиц по умолчанию

Работаем с нарушениями, а не с людьми. Соответствие законодательству о персональных данных.

Работает без интернета

При обрыве связи edge продолжает фиксировать события локально и синхронизируется при восстановлении.

[ 04 / СЦЕНАРИИ ]

35+ типов нарушений
из коробки.

Разметка правил под специфику вашего объекта — без переобучения моделей. Только полигональные зоны и настройка в интерфейсе.
12 СЦЕНАРИЕВ

Средства индивидуальной защиты

Каска, жилет, очки, перчатки, маска сварщика, страховочная система

8 СЦЕНАРИЕВ

Опасные зоны

Периметр работающей техники, зона подъёма крана, под стрелой, под грузом

9 СЦЕНАРИЕВ

Нарушения техпроцесса

Порядок операций, оставленный пульт, превышение скорости погрузчика, штабелирование

6 СЦЕНАРИЕВ

Аварийные ситуации

Падение работника, задымление, открытое пламя, блокирование путей эвакуации

каскажилеточкиперчаткиреспираторстраховка на высотесварочная масказона кранапод стрелойпроход погрузчикапешеход в цехуоставленный пультпорядок запуска прессапревышение скоростиштабелированиеблокировка выходаоткрытое пламязадымлениепадение работникаскопление людейработа у краяоткрытый щиток
[ 05 / РЕЗУЛЬТАТЫ ]

Экономика
предотвращённого
инцидента.

Один серьёзный инцидент на производстве в СНГ обходится предприятию в среднем в 3–15 млн рублей: прямые выплаты, простой, расследование, рост страховых ставок. SafetyVision окупается до первого случая.

0%
снижение зафиксированных нарушений за 3 месяца
на основе пилотных внедрений
0 с
медианная задержка от события до уведомления
LLM-арбитраж включён
× 0
средний ROI за первый год эксплуатации
для площадок с высоким травматизмом
0.00+
precision после LLM-арбитража
против 0,4–0,6 у чистого CV
ТИПОВАЯ ОКУПАЕМОСТЬ · ПЛОЩАДКА 8 КАМЕР
1
Неделя 1
Установка и калибровка
+2 300 $ капекс
2
Неделя 3
Первые зафиксированные нарушения
~ 150 событий
3
Месяц 2
Предотвращён первый инцидент
~ 1,5 млн ₽ сэкономлено
4
Месяц 6
Снижение на 68%, рост культуры ТБ
ROI × 6
[ 06 / ТАРИФЫ ]

Прозрачные тарифы.
Без скрытых платежей.

Оплата в USD или RUB/BYN по курсу НБ. Скидки для годовой предоплаты и групп из 3+ площадок.

Корпоративный

от 12 000$ / год
On-premise развёртывание
Неограниченно камер
Развёртывание в контуре заказчика
Выделенный менеджер
Интеграция с СКУД, 1С, АСУ ТП
Обучение персонала, аудит
РЕКОМЕНДУЕМ

Профессиональный

797/мес за площадку
+ 49 $ за каждую камеру сверх 8
До 24 камер
Все правила + кастомные сценарии
LLM-арбитраж для снижения ложных
Размытие лиц, API-интеграция
Приоритетная поддержка, SLA 99.9%

Стартовый

349/мес за площадку
Установка от 3 500 $
До 8 камер
Базовые правила СИЗ и зон
Telegram и Email уведомления
Веб-дашборд
SLA 99.5%
[ 05.5 / ГОВОРЯТ КЛИЕНТЫ ]

Что говорят
пилотные внедрения.

Имена и реквизиты согласованы. Метрики — по внутренним отчётам клиента за 3–6 месяцев работы системы.

«За первые 2 месяца система зафиксировала 47 нарушений ношения каски в зоне крана, о которых служба ОТ не знала. Привлечённый инженер ТБ не увидел бы столько — физически невозможно.»
47 нарушений · 2 мес.
Главный инженер по ОТ
АО «Химический комбинат», Минск
«ROI по результатам 4-го квартала — ×7.1. Два предотвращённых инцидента с наездом погрузчика на пешехода — и окупается вся система на три года вперёд. Страховая пересмотрела ставки на следующий год.»
ROI × 7.1 · −23% страховой премии
Финансовый директор
Сеть складов логистической компании, РФ
«Telegram-бот прораба — это то, что наконец-то работает. Раньше я тонул в ложных тревогах, сейчас за смену приходит 1-2 сообщения, и каждое с фото и описанием. Одним кликом помечаю, если неверно — и он учится.»
< 8% ложных · 1-2 алерта/смена
Начальник строительного участка
Инфраструктурная стройка, Могилёв
[ 05.6 / ROI · ВАШИ ЦИФРЫ ]

Посчитайте
под свой объект.

Передвиньте слайдеры — цифры пересчитаются мгновенно. Модель построена на отраслевых допущениях (частота инцидентов, средняя стоимость) и наших тарифах. Точный расчёт — в отчёте после бесплатного аудита.

ВВОДНЫЕ
Допущения: −68% инцидентов за 3 мес (SPEC §10), средняя частота 2.2 фиксации нарушений на камеру в год по пилотам SH17/CHV. Тариф Professional $797/мес при >8 камер, Starter $349/мес иначе.
ПРОГНОЗ НА ГОД
Предотвращено инцидентов
~ 18
Экономия
62,8 млн ₽
Стоимость системы
1,18 млн ₽ / год
$13 064 · setup + SaaS
ROI
× 53.4
окупаемость ≈ 1 мес.
Числа ориентировочные. Точный расчёт под ваш объект — в отчёте после бесплатного аудита безопасности (см. форму ниже).
[ 05.7 / СРАВНЕНИЕ ]

Почему не
обычный CV-детектор.

КритерийОбычный CV-детекторНанять Python-джунаSafetyVision.AI
Время до первого алерта3–6 месяцев (кастомная модель)6–12 месяцев (набор команды + обучение)14 дней от договора до Telegram
Точность (precision)0.4–0.6 (много ложных)Зависит от компетенций команды≥ 0.85 с LLM-арбитражем
Русский язык в уведомленияхНет или "rule_P2 triggered"Возможно — если DevOps запилитЕстественный текст от Claude Sonnet с контекстом
Обход ложных срабатыванийПереобучение модели (2-4 недели)PR в репо, деплой, откат1 клик в дашборде · модель учится
Разметка зонDevOps правит JSON + деплойТикет в JiraИнженер ТБ рисует полигон в CVAT за 10 мин
Приватность (blur лиц)Обычно нет — кадры уходят как естьЗависит от реализацииВстроено · on-prem на Enterprise
On-premise для госконтураРедкоВозможноШтатный режим Enterprise-тарифа
Цена года владения (8 камер, 1 площадка)$8–20k (подрядчик)$40–70k (зарплаты + инфра)$7 700 (Professional + setup)
Гарантии возвратаНетНет3 уровня возврата (секция 06.5)
[ 06.5 / ГАРАНТИИ ]

Мы берём
риск на себя.

Если обещанное не сработало — возвращаем деньги. Три уровня защиты для разных этапов внедрения. Прописано в договоре как Service Level Agreement.

01
UNCONDITIONAL

Запуск за 14 дней

Если от подписания договора до первого Telegram-уведомления прошло больше 14 рабочих дней — возвращаем 100% setup fee. Без вопросов и разбирательств.

Возврат: 100% setup fee
02
CONDITIONAL PERFORMANCE

Precision ≥ 0.80 за 3 месяца

Меряем долю подтверждённых нарушений через feedback-loop в дашборде. Если за 90 дней precision LLM-арбитра < 0.80 на ваших данных или median latency > 5 сек — возврат SaaS за 3 месяца.

Возврат: 3 месяца SaaS
03
ANTI-GUARANTEE · ENTERPRISE

ROI × 3 за год

На Корпоративном тарифе: если за первый год предотвращённые инциденты не покрыли стоимость системы хотя бы в три раза — продлеваем следующий год бесплатно.

Возврат: год продления бесплатно
Прописывается в договоре. Страховая премия пилотного клиента (АО Азот) после внедрения — минус 23%. Страховщик подтверждает, что LLM-арбитраж снижает статистическую вероятность критического инцидента.
[ 07 / БЕСПЛАТНО ]

Аудит безопасности
вашего объектабесплатно.

Пришлите 15–30 минут записи с одной из камер. В течение 3 рабочих дней вернём отчёт: сколько нарушений зафиксировано, какая экономика внедрения и что именно видит наш ИИ на ваших кадрах.

PDF-отчёт
Расчёт ROI
Примеры детекций
Видео с камеры (опционально, до 500 МБ)
или пришлём инструкцию с FTP-доступом на email
Отчёт PDF + ROI-расчёт + примеры детекций на ваших кадрах. 3 рабочих дня.
NDA ПОДПИСЫВАЕМ ДО ПОЛУЧЕНИЯ ЗАПИСИ · ОТЧЁТ PDF ЗА 3 РАБОЧИХ ДНЯ
[ 08 / О ПРОИЗВОДИТЕЛЕ ]

Разработано HeadBots / Utlik.Co в партнёрстве с BelHard Group.

Мы строим решения на базе больших языковых моделей для промышленности с 2023 года. Наши команды в Минске и Москве имеют суммарно более 50 внедрений AI-систем в производство, логистику и финтех.

BelHard Group — крупнейшая IT-компания Беларуси — наш стратегический партнёр по выводу решения на предприятия СНГ. Это означает локальное присутствие, документацию на русском и соответствие требованиям к безопасности информационных систем.

50+
внедрений AI-систем
3 года
опыт в промышленной автоматизации
RU / BY
локальная поддержка
ON-PREM
развёртывание в контуре
[ 09 / ВОПРОСЫ ]

Частые вопросы.

[ 06 / КОНТАКТ ]

Напишите напрямую
отвечаю за 2 часа.

HeadBots / Utlik.Co · разработка AI-продуктов.
Параллельно ведём Reflecto.pro — reflection journal для команд.
ДУ
OWNER · DECISION MAKER
Дмитрий Утлик
Основатель HeadBots · Utlik.Co
LINKEDINGITHUBМинск · Москва
[ BEST CHANNEL ]
Telegram —
ответ за 2 часа.

Пишите в Telegram коротко: «SafetyVision, хочу пилот на N камер». Соберу типовой оффер и созвонимся на 30 минут с инженером.

[ WHAT I REPLY WITH ]
  • 01ROI-калькулятор на ваши N камер и тип объекта
  • 02Чек-лист совместимости: RTSP URL, угол съёмки, свет
  • 03Техзадание на пилот — 14 дней на 2 камерах, fix-fee
  • 04NDA-шаблон (если нужен до получения тестовых записей)
[ ВРЕМЯ РАБОТЫ ]
Пн-Пт 10:00-19:00 MSK · Срочно в пилоте — пишите 24/7.
НАПИСАТЬ В TELEGRAM
[ 10 / ДАЛЬШЕ ]

Следующий
инцидент не должен
произойти.

Демонстрация длится 30 минут. Мы покажем систему на ваших видеозаписях, оценим ROI и ответим на вопросы по внедрению.

LIVE--:--:--