Российский рынок промышленной видеоаналитики в последние годы рос устойчиво, но рыночная динамика сама по себе ничего не говорит об окупаемости конкретного проекта. По данным TelecomDaily, в 2024 году объём этого сегмента увеличился на 26,4% — до 2,408 млрд рублей. Это последняя публично доступная фактическая оценка агентства: в июле 2025 года TelecomDaily прогнозировала рост по итогам 2025-го примерно на 17%, до 2,8 млрд рублей, однако подтверждения этой цифры фактическими данными агентство пока не публиковало.

Важно учитывать и границы исследований. TelecomDaily измеряет промышленную видеоаналитику — анализ видео в производственных средах, в отличие от охранного видеонаблюдения. Складское компьютерное зрение пересекается сразу с несколькими рынками: DWS-оборудованием, специализированными камерами, WMS-интеграцией и робототехникой, и целиком ни в один из отраслевых отчётов не попадает. Для масштаба: в отчёте Ivideon (май 2026 года) рынок программного обеспечения для видеоаналитики в России оценён в 9,4 млрд рублей по итогам 2025 года против 4 млрд в 2021-м. Это оценка участника рынка по собственной методике, с другим периметром и другим годом, поэтому прямое сопоставление с цифрой TelecomDaily некорректно — обе величины стоит читать как независимые ориентиры. Сама Ivideon в других публикациях приводила для 2025 года и более высокую оценку — 10,9 млрд рублей, что показывает, насколько результат зависит от того, что именно включено в подсчёт.

С мировыми оценками ситуация похожая. Precedence Research оценивает мировой рынок машинного зрения примерно в 23 млрд долларов в 2025 году с ростом до 77 млрд к 2035-му. Другие агентства дают заметно более скромные цифры при том же названии рынка: Market Research Future — около 17,2 млрд долларов в 2025 году и 47,4 млрд к 2035-му, SNS Insider — 18,8 и 50,7 млрд, Emergen Research — 17,9 млрд в 2025 году при среднегодовом росте 8,8%. Разброс по горизонту 2035 года — почти двукратный. Такие прогнозы показывают направление интереса к технологии, но не дают надёжной базы для расчёта складского проекта.

Поэтому при принятии решения нужно смотреть не на размер рынка, а на конкретную операцию. Компьютерное зрение окупается там, где существует измеримый поток однотипных действий, ошибки уже приводят к финансовым потерям, а результаты автоматического контроля встроены в рабочий процесс.

Какие задачи решает компьютерное зрение

На складе компьютерное зрение может применяться для:

Не все эти задачи одинаково сложны. Считать штрихкод на неподвижной коробке значительно проще, чем определить состав паллеты с частично перекрывающими друг друга товарами. Контролировать наличие каски проще, чем устанавливать причины простоя погрузчика.

Чем точнее сформулирована задача и чем меньше в ней неоднозначности, тем выше вероятность экономически успешного внедрения.

Когда система окупается быстрее

Операция часто повторяется

Автоматизация имеет смысл при большом количестве однотипных операций. Если сотрудник несколько сотен раз за смену проверяет маркировку, фотографирует груз или сверяет товар с заданием, компьютерное зрение способно сократить трудозатраты и снизить влияние накопленной усталости. Если через точку контроля проходит всего несколько паллет в день, стоимость оборудования и интеграции может оказаться выше возможной экономии.

Оценивать следует не общую площадь склада, а количество операций в конкретной контролируемой точке.

Ошибки уже выражены в деньгах

Экономический эффект проще рассчитать, когда компания знает:

Автоматическое измерение веса и габаритов может быть оправдано, если расчёты с клиентами или перевозчиками зависят от фактического объёма груза. DWS-системы — Dimensioning, Weighing and Scanning — за одну операцию получают размеры, вес и штрихкод, а некоторые решения дополнительно сохраняют фотографию. Эти данные могут использоваться для расчёта стоимости перевозки, проверки счетов, разрешения претензий и подтверждения состояния груза в момент приёмки или отправки.

Когда нужна метрологическая проверка проекта

Если результаты измерений непосредственно используются для определения количества товара, стоимости услуги или других юридически значимых расчётов, необходимо проверить, относятся ли такие измерения к сфере государственного регулирования обеспечения единства измерений (102-ФЗ, статья 1). В этом случае могут потребоваться средства измерений утверждённого типа и действующая поверка (статьи 9 и 13 того же закона).

Применимость требований зависит от назначения измерений и нормативной базы конкретной операции, поэтому её следует определить с метрологом или профильным юристом до закупки оборудования. Межповерочный интервал устанавливается для конкретного типа средства измерений и не обязательно составляет один год. Вне регулируемой сферы для подтверждения точности может использоваться калибровка, но само по себе «внутреннее применение» не гарантирует освобождения от обязательных требований.

Результат автоматически попадает в WMS или ERP

Само по себе распознавание объекта редко создаёт экономический эффект. Ценность появляется, когда результат используется в информационной системе. Например, система должна не просто обнаружить коробку, а:

  1. распознать товар или прочитать штрихкод;
  2. сопоставить его с заданием;
  3. зафиксировать расхождение;
  4. остановить операцию или создать уведомление;
  5. сохранить фотографию события;
  6. передать данные ответственному сотруднику.

Если результаты видеоаналитики складываются в отдельный архив, который никто не просматривает, инвестиции почти не влияют на операционные показатели.

Существующую инфраструктуру можно использовать повторно

Подключение к установленным IP-камерам может снизить стоимость проекта. Многие платформы получают видеопоток по RTSP. ONVIF может использоваться для обнаружения устройств, получения их параметров и управления совместимыми функциями, но не заменяет сам протокол передачи видео.

Однако наличие камер ещё не означает готовности объекта к компьютерному зрению. Охранное видеонаблюдение обычно проектируется для общего обзора и последующего просмотра человеком. Для автоматического распознавания могут потребоваться:

Поэтому существующие камеры следует считать потенциальным ресурсом, а не гарантированной экономией. Их пригодность определяется обследованием и тестовой съёмкой.

На события действительно реагируют

Видеоаналитика не заменяет складской регламент. Она обнаруживает событие, фиксирует доказательства и передаёт сигнал, но дальнейшее действие выполняет сотрудник или автоматизированная система.

До запуска необходимо определить:

Если ответственность не назначена, уведомления постепенно превращаются в информационный шум.

Когда проект, скорее всего, не окупится

Поток операций слишком мал

Для нескольких операций в день ручная проверка часто оказывается дешевле, особенно если для автоматизации нужно устанавливать камеры, освещение, весы, вычислительное оборудование и выполнять интеграцию с WMS.

В такой ситуации разумнее рассмотреть более простые средства: терминал сбора данных, обязательное сканирование штрихкода, фотоподтверждение или изменение складского регламента.

Задача сформулирована слишком широко

Формулировки вроде «контролировать весь склад», «предотвратить воровство» или «исключить все ошибки» не подходят для расчёта проекта.

Компьютерное зрение работает с наблюдаемыми признаками. Оно может зафиксировать пересечение контрольной линии, перемещение коробки, отсутствие сканирования, несоответствие товара заданию, повреждение видимой части упаковки или нахождение паллеты в неправильной зоне.

Но камера сама по себе не знает, было ли перемещение согласовано, изменился ли заказ или попросил ли клиент перенести отгрузку. Для этого необходимы данные из WMS, TMS, ERP или другой учётной системы.

Нет критерия успешности

Пилот нельзя оценивать по впечатлению «работает достаточно хорошо». До начала проекта необходимо зафиксировать:

Даже модель с высокой технической точностью может не окупаться при малом потоке. И наоборот, неидеальная система может приносить пользу, если выявляет наиболее дорогие ошибки.

Условия съёмки нестабильны

На качество распознавания влияют пыль, загрязнение объективов, встречное солнце в воротах, блики от плёнки, недостаточное освещение, вибрация камеры, скорость конвейера, перекрытие товаров и разнообразие упаковки.

Эти проблемы не всегда можно компенсировать обучением модели. Иногда правильнее изменить зону контроля: поставить камеру ближе, добавить направленный свет или создать фиксированное место предъявления товара.

От системы ждут стопроцентного результата

Компьютерное зрение снижает количество определённых ошибок, но не исключает их полностью. Результат зависит от состава данных, условий эксплуатации и действий персонала.

Обещание устранить фиксированный процент потерь без обследования объекта и пилотных данных некорректно. Универсального отраслевого показателя вроде «система всегда сокращает потери на 40–70%» не существует.

Как рассчитать предварительную окупаемость

Для первичной оценки можно использовать модель:

Годовой экономический эффект = снижение потерь + денежный эффект от сокращения трудозатрат + дополнительная выручка или сокращение потерь от некорректного тарифицирования − ежегодные эксплуатационные расходы.

В первоначальные затраты необходимо включать обследование, камеры и объективы, освещение, монтаж, кабельную инфраструктуру, вычислительное оборудование, лицензии, интеграцию, сбор и разметку данных, обучение сотрудников, запуск и настройку.

К регулярным расходам относятся техническая поддержка, вычислительные ресурсы, хранение данных, обслуживание оборудования, поверка или калибровка — когда они требуются — и адаптация модели при изменении ассортимента или условий работы.

Экономию рабочего времени следует учитывать как денежный эффект только тогда, когда она уменьшает сверхурочные, потребность в найме, численность смены или позволяет обработать больший поток без дополнительных сотрудников. В остальных случаях это резерв производительности, который нужно оценивать отдельно.

Срок окупаемости можно приблизительно рассчитать так:

Срок окупаемости в месяцах = первоначальные затраты / среднемесячный чистый эффект.

Это упрощённая оценка: она не учитывает стоимость денег во времени и остаточную стоимость оборудования. Для проектов с горизонтом дольше двух лет расчёт стоит дополнить NPV с принятой в компании ставкой дисконтирования.

Расчёт лучше выполнять по консервативному, базовому и оптимистичному сценариям. Если проект окупается только в оптимистичном сценарии, задачу следует сузить или пересмотреть архитектуру. Если экономика сходится даже при осторожных допущениях, можно переходить к пилоту.

Условный пример

Через контрольный пост проходит 20 000 отправлений в месяц. Ошибка возникает в 0,5% случаев — это 100 инцидентов. Средняя стоимость исправления, повторной обработки и претензии составляет 3 000 рублей. Потери достигают примерно 300 000 рублей в месяц.

Если система предотвращает половину таких случаев, она экономит около 150 000 рублей в месяц. При стоимости внедрения 3,6 млн рублей простой срок окупаемости только за счёт сокращения ошибок составит около 24 месяцев — без учёта сопровождения, поверки и стоимости денег. С учётом этих расходов срок будет длиннее. Проект станет привлекательнее, если одновременно уменьшит сверхурочную работу или потери от неверного тарифицирования.

Все значения в примере условны. Для реального расчёта их необходимо заменить данными конкретного склада.

Каким должен быть правильный пилот

Хороший пилот проверяет одну конкретную гипотезу. Например:

Автоматическая проверка комплектности на посту отгрузки должна сократить количество ошибочных отправлений не менее чем на 30% при доле ложных блокировок не выше 2%.

Эти значения — пример формулировки, а не отраслевой норматив. Целевые показатели задаются от текущего уровня ошибок конкретного склада.

До начала пилота необходимо определить контрольную точку, типы объектов, исходные и целевые показатели, длительность испытаний, ответственных, метод расчёта эффекта и условия перехода к промышленной эксплуатации.

Выборка должна учитывать полный рабочий цикл, сезонность, ассортимент и нестандартные случаи. Результаты следует сравнивать с базовым периодом или сопоставимой контрольной зоной. Пилот должен включать повреждённую упаковку, перекрытие товара, разные типы паллет, изменение освещения и действия сотрудников, отличающиеся от идеального сценария.

Видеонаблюдение за сотрудниками и хранение данных

В расчёт проекта следует включить организацию хранения видеозаписей и выполнение требований трудового законодательства и законодательства о персональных данных. Практика надзорных органов исходит из того, что наблюдение правомерно, если оно ведётся для конкретных заранее определённых целей, связанных с трудовыми обязанностями, работники уведомлены, съёмка ведётся открыто и в зонах наблюдения размещены информационные таблички. Порядок наблюдения закрепляется локальным нормативным актом, с которым работников знакомят под подпись.

До запуска нужно определить цели наблюдения, оформить локальные документы, уведомить работников, разграничить доступ и установить сроки хранения. Конкретный набор мер зависит от назначения системы и от того, используется ли видео для общего контроля процесса или для идентификации людей. Сценарии распознавания лиц отличаются принципиально: изображение, обрабатываемое для установления личности, относится к биометрическим персональным данным и требует отдельной правовой оценки, включая вопрос о согласии работника.

Вывод

Компьютерное зрение на складе окупается не потому, что рынок растёт и алгоритмы становятся точнее. Оно окупается, когда автоматизирует частую и дорогостоящую операцию, работает в контролируемых условиях, получает данные из учётных систем и запускает понятное действие.

Наиболее перспективны проекты, в которых:

Если задача описана словами «поставим камеры и посмотрим», проект рискует остаться дорогим экспериментом. Если заранее известны исходные потери, целевой показатель и стоимость достижения результата, компьютерное зрение превращается из демонстрации технологии в понятный инструмент складской экономики.