Клиент: агропромышленное предприятие (AgroTech-сегмент). Ручной мониторинг — круглосуточно, человеческий фактор, пропущенные события = прямые операционные потери. Задача: Автоматически детектировать критические события в реальном времени по видеопотоку с камер — без участия оператора. Решение: CV-система на базе YOLOv8 с дообучением на отраслевых данных. Детекция событий в реальном времени → мгновенное оповещение ответственных сотрудников. Что сделано: — Сбор и разметка датасета под конкретные классы событий — Дообучение YOLOv8 на отраслевых данных — GPU-инференс на оборудовании заказчика (on-prem) — Система оповещений при детекции целевого события — Дашборд мониторинга в реальном времени Результат: снижение операционных потерь за счёт раннего обнаружения событий. Детали — по запросу (NDA). Стек: Python · YOLOv8 · OpenCV · Docker · GPU (CUDA) · FastAPI