Видео-аналитика автосервиса и автомойки
#ЗоркийГлаз — нейро-видео детектор автомобилей.
Стенограмма доклада на сессии AGORA «Эффективно СТО» MIMS Automechanika 2021
Коллеги, здравствуйте, меня зовут Дмитрий Болховский, платформа Win-Sto.ru
Сегодня я расскажу о том, как искусственный интеллект помогает упростить контроль, снизить злоупотребления, и повысить эффективность персонала.
Но сначала я хочу вас спросить вот о чём … Скажите, а кто из вас анализирует отчёты о продажах и другие бизнес-показатели ежедневно?
А вам никогда не приходила в голову мысль, что все эти цифры и графики могут скажем так э… немного отличаться от реальности?
Ну, например, у вас есть сеть, 5 пунктов экспресс-замены масла. И на одной точке вдруг начали падать продажи. Мы сразу склонны думать на что? Конкуренты, сезонность, кризис… А дальше что? Снижаем цены, начинаем бомбить деньги в Директ... и пошло – поехало.
А вот как оперативно понять… Например, сегодня, точка открылась вовремя или нет? И был ли сегодня на работе механик Петров?
Уже более 10 лет мы автоматизируем магазины запчастей и автосервисы, в том числе крупные торгово-сервисные сети. Сейчас IT-партнёром национального маркетплейса запасных частей Казахстана CarCity.kz
И везде у нас возникал вопрос: а как можно взглянуть на ситуацию со стороны, т.е., не через цифры. Их ведь всё равно, так или иначе, в систему водят люди.
Как проверить показатели «глазами» и сделать это технологично? Так мы пришли к задаче внедрения машинного зрения.
Что умеет видео-аналитика и зачем нужно.
Что умеют делать современные системы видео-аналитики?
Ну, во-первых, детектировать номер автомобиля. С этим мы сталкиваемся ежедневно. Зачем детектировать госномер? Госномер – это факт заезда автомобиля на СТО, дельта – время нахождения в ремзоне. То есть, возможность сравнить заказ – наряды с реальностью.
Мы научились детектировать типы кузова. Умеем отличать 5 типов автомобилей: седаны – внедорожники – вэны – микроавтобусы и грузовики.
Зачем это нужно?
Ну, например, на автомойке чек за услугу для седана и внедорожника – разный.
И умеем детектировать 33 марки автомобилей.
Причем мы не подтягиваем данные из какой-то базы данных, а получаем непосредственного анализируя видео-поток.
Искажения номера
Самое просто и очевидное здесь – это номер. Вроде как.
Давайте, посмотрим, какие здесь подводные камни.
Вот коллеги повесили камеру. Номер, по идее глазами читается.
А вот так его видит робот. То-есть, номер во первых сплюснут, а во вторых, за счёт неравномерной освещённости возникает зернистость.
Чем выше мы забираем камеру, тем меньше полезной площади для расшифровки мы оставляем программе.
Засветы – возникает градиент, при движении камера не успевает сфокусироваться.
Видео-аналитика работает с картинкой. Поэтому, картинка должна быть равномерно освещена и пропорции объекта, желательно, чтобы искажались минимально.
Иначе, может получиться так, что вы вообще ничего не увидите.
Траектория заезда в автосервис
Проблема № 2 - это косой заезд.
Здесь опять же, человек видит номер нормально, а нейросеть видит его так.
В данном случае, партнёры проблему решили следующим образом: физически ограничили линию заезда. Но сделать это можно не везде.
Почему я на этом акцентирую внимание?
Потому что, монтаж камер вам будут делать одни люди, а видео-аналитику, например, вы купите какую-то коробочную версию.
И глазами вы номер видите, но робот его видеть не будет.
AI vs Народная смекалка
И вы должны чётко понимать, что столкнётесь с множеством примеров по маскировке автомобильных номеров от камер видеонаблюдения. Это и зеркальные рамки и искусственная грязь. Один народный умелец в фейсбуке предложил светодиоды инфракрасные в номер вкручивать… Самое элегантное, на мой взгляд, решение — перевёрнутая буква «Ш».
И весь этот народный креатив снижает процент детектирования.
Правила установки камеры
Вот простые правила, которые позволят добиться хорошего качества детектирования:
Ну и конечно, весьма желательно, чтобы поставщик программного продукта дал вам систему на тестирование.
Потому что на видосиках на ютубе всё это может выглядеть очень красиво, а по факту это работать не будет.
Недавно общались с одним уважаемым коллегой по поводу внедрения нашего продукта … И вот он говорит – мы пробовали, но это ничего не работает, потому что то машина в автосервис косо заедет, то погода мокрая. Номер грязный…
В итоге, эти ложные оповещения в Телеграмм всех задолбали, и на внедрение системы забили.
Разработчикам #ЗоркийГлаз удалось добиться уверенного детектирования более 98%.
Ну если вам уж прямо надо всё 100, НУ… тогда делаем группировку камер, в самом простом варианте, 1 камера стреляет в нос, другая – в корму.
Но это – дополнительные издержки на оборудование. Это надо понимать
Зато, получаем практически 100% результат.
Сколько человек в кадре?
С машинами разобрались, переходим на людей
А оно нам надо? Как вы считаете?
Потому что ведь как говорят, детектировать автомобили – это да! А людей – это уже космос, или баловство…
Проблема в том, что даже если вы не хотите отслеживать активности персонала, ….в ремзоне работают люди и перекрывают объекты
Т.е., детектирование людей, это был вынужденный шаг. Потому что, если вы работаете со сквозным траффиком, в принципе, людей можно не детектировать. И то, если, например, мастер помогает клиенту въезжать он уже будет перекрывать камеру спиной. А если вы хотите детектировать статические объекты в ремзоне. Например, для подсчёта фактической загрузки подъёмников, Всё! Без выделения людей – вам уже не обойтись.
Гистограмма - day_log
Ну, а от этого мы вполне логично переходим к детектированию лиц и подсчёту персональных трудозатрат Лица по понятным этическим причинам закрыты.
Т.е., можем фиксировать начало и конец рабочего дня, перерывы, а также, как сотрудник перемещался по территории.
Далее, накладываем на маску рабочего дня… ну, дальше вы поняли, KPI, нормировки, и все прочие прелести современной системы мотивации.
Пропускная способность канала
Единственно, сразу хочу предупредить, что подобные системы довольно чувствительны к пропускной-способности Интернет-канала. Т.к. это работа с видео-потоком, развернуть её совсем где-то на трассе, где плохой Интернет не получится.
Иначе, будут вот такие проблемы с битрейтом (На 1 камеру примерно 2,5 - 3 Мбит/с.).
Сценарии контроля объектов в ремзоне и воротах СТО
Вы должны понимать, что детектировать сам объект – это только верхушка айсберга.
Самое интересное — начинается потом. Т.е., дальше, надо накапливать кейсы и выстраивать умную систему обработки данных. Иначе, у вас начнут задраиваться заезды, пропадать и внезапно появляться люди…и происходить прочие чудеса.
Где можно применить?
1. Из очевидного: подсчёт траффика – на автосервисе, автомойке…. В автомагазине ? Если у вас у магазина стоянка – почему бы нет?
2. Тайминг операций. Фактический въезд-выезд, время автомобиля на подъёмнике. И всё что связано с активностями сотрудников
3. При этом (внимание!), мы фиксируем фактический тайминг, а не вычисляем его через время закрытия заказ наряда и постановку автомобиля на стоянку.
4. Удовлетворённость клиентов и LTW
Вы знаете, помимо сотрудников, можно ещё детектировать и клиентов.
А помимо лиц, можно распознавать эмоции.
Но об этом я расскажу как-нибудь в другой раз
Искусственный интеллект открывает гигантские возможности для повышения эффективности бизнеса, а следовательно, роста прибыли и качества обслуживания клиентов. А значит — наша задача, использовать AI по максимуму.
А чтобы вы не подумали, что это какой-то анриал, запредельные, космические технологии, мы прямо перед выставкой запили демо-приложение, пока только для Android.
Демонстрирует 3 основные функции – детектирование автомобильного номера, кузова и марки автомобиля.
Так что всё реально! Дерзайте, внедряйте AI
На этом у меня всё, спасибо.