Skip to content
ObektivPublic

About

Объектив · README группы: что где зачем и кто в команде

Resources

Stars

0 stars

Watchers

0 watching

Forks

Latest commit

 

History

16 Commits

Folders and files

NameName
Last commit message
Last commit date
 
 
 
 
 
 
 
 
 
 

Repository files navigation

Объектив

Объектив

Камеры стройплощадки сверяются с календарным планом работ

Система видит технику и ход работ на уже установленных камерах, копит наблюдения по зонам и сообщает руководителю проекта об отклонениях — с кадрами-доказательствами.

Стенд API Документация

Python FastAPI React TypeScript PostgreSQL RabbitMQ Redis Docker Traefik Grafana


Зачем

Сегодня соответствие стройки графику проверяют вручную: смотрят камеры, звонят подрядчикам, оценивают на глаз. Объектив отвечает на один вопрос — «происходит ли сейчас на площадке то, что должно быть по плану?» — автоматически и с доказательствами. Постановка — в техническом задании кейса.

Как это работает

Снимает Распознаёт Сверяет Сообщает
Раз в интервал зоны берёт ролик из записи камеры за этот интервал; раз в рабочий день — дневные кадры зоны VLM находит технику, понимает, работает она или стоит; по дневным кадрам — какая видимая стадия этапа Правила «этап → техника» копят наблюдения в окне и решают, есть ли отклонение Email и Telegram с кадром, объяснением и прогнозом срыва срока; департаменту — сводка по всем объектам
Архитектура прототипа
Сервер проекта, эмулятор камер и внешние сервисы. Очереди — по контракту AsyncAPI

В цифрах

  • 27 классов техники в словаре — покрывает все классы из ТЗ
  • 81 % совпадение с ручной разметкой на основных классах ТЗ; на всех 20 классах эталона — 76 %
  • ~20 с на наблюдение зоны — от команды на съёмку до готового отчёта
  • 47 таблиц в модели данных
  • 23 архитектурных решения (ADR)

Репозитории

Репозиторий Что делает Стек
backend REST API, расписания снимков, сверка наблюдений с правилами этапа, эпизоды отклонений, watchdog камер Python 3.12, FastAPI, SQLAlchemy, FastStream
frontend Рабочее место руководителя проекта: мастер объекта, график, отклонения с кадрами, живые камеры; сводка по всем объектам для департамента и отчёты для печати React 19, TypeScript, Vite, Tailwind
email-service, tg-service Доставка уведомлений с повторами и дедупликацией Python, FastStream, Redis
recognition-service Ролик из записи камеры → техника, активность, описание сцены; дневные кадры зоны → видимые стадии этапов Python, VLM (Qwen 3.5), ffmpeg, Pillow
recognition-research Эталонная разметка, прогоны моделей и лидерборд: почему выбрана именно эта схема Python, VLM, YOLO, DINOv2 / SigLIP / CLIP
labeling Веб-разметка кадров организаторов для эталона Python, FastAPI
infra HTTPS-прокси, брокер, Redis, медиасервер камер, логи и метрики; разворачивается первой Traefik, RabbitMQ, Redis, MediaMTX, Grafana / Loki / Prometheus
mock-camera Виртуальные IP-камеры из MP4 для демо и воспроизводимых прогонов Python, FastAPI, FFmpeg, MediaMTX
construction-monitoring ТЗ и ответы организаторов, продукт, архитектура, контракты OpenAPI / AsyncAPI, модель данных, ADR, research Markdown, Mermaid, draw.io

С чего начать

Я хочу… Куда идти
посмотреть, как это работает стенд → проект → «Отклонения» и «Камеры»
понять систему целиком обзор продукта → архитектура → решения (ADR)
развернуть в Kubernetes infra: порядок запуска и Variables → эксплуатация backend
запустить локальное демо запуск прототипа: deploy/up.sh поднимает продукт с тестовой камерой
проверить качество распознавания лидерборд и ограничения
разобраться в модели данных data_model.md и ERD в README документации
интегрироваться OpenAPI для REST, AsyncAPI для очередей

Где что закрывает требования кейса

Требование Где смотреть
Распознавание техники по снимкам камер recognition-service, замеры — recognition-research
Сопоставление с этапами календарного плана правила «этап → техника», ADR-0005
Выявление отклонений и понятный механизм окна наблюдений и state machines, объяснения отклонений
Интерфейс и уведомления frontend, email-service, tg-service
Модель данных data_model.md
Условия и ограничения: данные, классы, этапы ограничения прототипа
Сборка и запуск через Docker deploy/up.sh для всего продукта, README каждого репозитория — раздел «Запуск»
Прототип для кейса «Автоматизированный сервис поиска нарушений на строительных площадках Москвы», 2026

About

Объектив · README группы: что где зачем и кто в команде

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors