Исследователи научили нейросеть проверять спецодежду на стройке: модель объясняет свои решения и разделяет плохой кадр и неясность правил

Камеры видеонаблюдения внутри строящихся зданий работают в тяжелых условиях: полумрак, пыль и леса мешают понять, одет ли рабочий по ТБ. Обычные нейросети выдают единую цифру уверенности. Из неё непонятно — то ли кадр смазан, то ли куртка нестандартная. Авторы доработали Qwen3-VL — вижн-ленгвидж модель (нейросеть, которая одновременно распознаёт изображения и рассуждает текстом).

Модель дообучили с помощью LoRA (метод быстрой настройки нейросети под узкую задачу без переобучения всей системы) и разделили её выводы на два параметра: уверенность в качестве картинки и логическую уверенность в нарушении. Точность распознавания mAP@50 (метрика того, насколько правильно нейросеть находит и обводит объекты) составила до 75%. На практике это значит, что служба стройконтроля получает не слепой аларм, а подробный текстовый аргумент: что именно видно на фото и в чём сомнения.

Есть и ограничение: систему проверяли только в помещениях и оценивали лишь верхнюю часть спецодежды. На открытом воздухе или при сложном камуфляже алгоритм пока не тестировали.

Текст подготовлен ИИ по материалу первоисточника.