Система автоматизированного взвешивания с ИИ - как весовая перестаёт быть точкой потерь
Юрий Кузьмук, генеральный директор, Экзотрон Технолоджи.
GALILEOSKY TELEMATICS AWARDS 2026 - презентация лучших решений по цифровизации транспорта и спецтехники.
Весовая — это зона постоянных финансовых потерь, а не просто точка учёта.
На весовой бизнес ежедневно теряет деньги из-за ручного ввода, спорных рейсов и разрозненных данных. Акцент сделан на том, что задача системы — не просто фиксировать взвешивание, а снижать ошибки и потери в процессе учёта.
Предложено единое решение, объединяющее данные с весов и распознавание номерных знаков.
Описана собственная модель, которая связывает чтение данных с приборов на весовой, распознавание российских номерных знаков и объединение всей информации в единую систему. Отдельно подчёркивается, что были разработаны модульные алгоритмы для подключения весов разных производителей.
Система автоматически собирает и обрабатывает данные, а результат выдаёт пользователю в удобных каналах.
Информация с оборудования собирается на офисной стороне, обрабатывается и затем уходит пользователю в веб-интерфейс, а также в мессенджеры, включая Telegram и реализацию в MAX. Это подаётся как практичный сценарий: пользователю не нужно вручную сводить данные из разных источников.
В основе контроля — фотофиксация с нескольких камер и привязка к моменту взвешивания.
Система работает так: машина заезжает на весовую, датчики фиксируют точки въезда и выезда, а камеры снимают автомобиль в момент, когда он находится по центру. По умолчанию ставятся минимум две камеры — на въезд и выезд; при необходимости добавляется третья сверху для контроля груза.
Распознавание строится на серии снимков, что помогает повысить качество идентификации.
Отмечено, что фотографии получают каждую секунду и распознают их набором, чтобы точнее зафиксировать номер автомобиля. Даже если номер загрязнён с одной стороны, съёмка спереди и сзади повышает вероятность корректного распознавания.
Заявлен высокий уровень точности, но он зависит от освещения.
По озвученной оценке, точность достигает около 95%, если освещение качественное. При недостатке света распознавание работает хуже, и это прямо названо важным ограничением системы.
Система поддерживает интеграцию по API и умеет работать офлайн.
Отдельно подчёркивается наличие API для автоматизированной интеграции с другими программами учёта. Если пропадает связь, система продолжает работать офлайн, а затем данные можно забрать через API после восстановления соединения.
Для контроля хищений важна статистика по тары, а не разовое измерение.
На вопрос о снижении веса тары отмечено, что выявлять такие изменения можно только по накопленной статистике. Если есть 5–7 взвешиваний, уже видна динамика тары, и по ней можно делать ежемесячный отчёт и замечать подозрительные изменения.
Вес топлива не учитывается, решение по допустимым колебаниям остаётся за оператором.
Уточняется, что вес топлива в расчётах не учитывается. При этом колебания порядка 50–100 кг называются несущественными для таких объёмов, а окончательное решение принимает оператор.
Ключевая идея выступления — полностью аппаратная обработка без внешних серверов.
В финале подчёркивается, что система распознавания номерных знаков работает полностью аппаратно и не использует внешние серверы. Это подаётся как аргумент в пользу автономности, устойчивости и контролируемости решения.
