AI Контроль выкладки товаров и Out-of-Stock на полках магазинов Казахстана
Собственная нейросеть A-LUX на PyTorch анализирует видеопоток с обычных IP-камер и распознаёт пустые слоты, несоответствие планограмме, неактуальные ценники, истечение свежести. 200 миллисекунд на решение AI · 100+ SKU одной камерой · Telegram-алерт мерчандайзеру за 30 секунд. Под ключ от 1 500 000 ₸.
5 шагов контроля выкладки через камеру
Поток с потолочной IP-камеры проходит через 5 этапов AI-обработки и оказывается у мерчандайзера в Telegram за 30 секунд.
8 функций AI-контроля полок в одной системе
Один сервис закрывает все ключевые задачи мерчандайзера, аудитора и категорийного менеджера в FMCG-ритейле.
Telegram-алерты по слотам и SKU
Каждый тип события — отдельный визуальный код. Слева описание для категорийного менеджера, справа реальное превью того, что увидит мерчандайзер на телефоне.
Пустая полка за 30 секунд, а не через час
Нейросеть сравнивает фактический ряд SKU с эталонной планограммой. Как только слот опустел — мерчандайзер получает фото слота, название товара и приоритет пополнения. Точность 94.5%, среднее время восстановления — 4 минуты вместо обычного часа.
- Фото слота + название SKU + приоритет
- Эскалация: мерчандайзер → менеджер → собственник
- Архив инцидентов 90 дней с поиском по SKU
Контроль выкладки по эталону
FMCG-бренды платят за позицию на полке, аптеки обязаны соблюдать listing-схему. AI сверяет фактическую выкладку с эталонной планограммой категории и зовёт мерчандайзера переставить — за 1 проход.
- Сравнение с эталонной планограммой бренда
- Шеринг с категорийным менеджером и поставщиком
- Подсчёт фейсингов SKU автоматом
Свежесть мяса, рыбы и овощей в реальном времени
Fresh-категории — самая болезненная маржа: списания съедают до 12% выручки. AI распознаёт изменение цвета, текстуры и геометрии товара в открытой витрине, предупреждает за 8 часов до обычного срока списания, рекомендует sale.
- Мясо, рыба, овощи, фрукты, выпечка
- Автоматическая рекомендация -15/-30/-50%
- Интеграция с весами и принтером ценников
Сводка по сети каждое утро в Telegram
Категорийный менеджер и собственник получают автоматический digest в 09:00: KPI по 8 точкам сети, OOS rate, planogram compliance, экономия от freshness, мини-графики и план на день. Полная версия — Excel/PDF одним тапом.
- OOS rate, planogram, freshness, выполнение задач
- Сводка по точкам, категориям, мерчандайзерам
- Экспорт Excel/PDF/CSV · API в 1С и SAP
AI Shelf Monitoring — это компьютерное зрение для контроля полок в магазинах. Система через IP-камеры распознаёт пустые места на полках (out-of-stock), неправильную выкладку, отсутствие ценников и за 30 секунд отправляет alert мерчандайзеру в Telegram. Применяется в супермаркетах FMCG в Казахстане. A-LUX внедряет под ключ от 1.5 млн ₸ для торговой сети.
Как работает AI-мониторинг полок магазина и контроль планограммы
AI Shelf Monitoring (контроль полок) — технология компьютерного зрения для розничной торговли, автоматически распознающая отсутствие товара (out-of-stock), правильность выкладки, наличие и актуальность ценников, а также свежесть продукции по визуальным признакам (для FMCG категорий fresh). Согласно исследованию IHL Group (2024), out-of-stock приводит к потере 4.1% продаж FMCG глобально — AI-системы сокращают эти потери до 0.8–1.2%.
Где применяется out-of-stock detection и freshness monitoring
Реальные кейсы внедрения A-LUX в Казахстане 2024–2026.
Супермаркеты и магазины у дома
Out-of-stock на ходовых SKU (молоко, хлеб, бакалея). Alert мерчандайзеру до того, как покупатель не нашёл товар. Кейс: сеть Караганды, 8 точек, +12% средний чек за 4 месяца.
Fresh-категории (мясо, рыба, овощи)
Распознавание ухудшения качества по цвету и текстуре. Особенно важно в открытых витринах. Алерт за 4–8 часов до обычного срока списания.
FMCG бренды (контроль listing)
Производитель проверяет, что его товар реально на полке у дистрибьютора, а не только в накладной. Аудит присутствия SKU без выезда мерчандайзера.
Аптеки и здоровье
Контроль наличия LP-препаратов, контроль рецептурных шкафов, мониторинг выкладки sale-категорий.
Технические подробности
Как устроена AI-система внутри: алгоритмы, инфраструктура, интеграции.
Алгоритм
Двухуровневая модель: shelf segmentation (распознавание границ полок) + SKU detection (классификация товаров по упаковке). Обучается на снимках ваших полок — 200+ кадров на категорию.
Калибровка под магазин
На этапе пуско-наладки делаем калибровку под планограмму: какие SKU должны быть на каких полках, минимальное количество, цена. Изменения планограммы — обновляем модель за 1–3 дня.
Freshness model
Отдельная модель для fresh-категорий: цвет (увядание зелени), текстура (порчa мяса, рыбы), форма (помятые овощи, фрукты). Точность 88–92% — достаточно для предварительной отсортировки до ручной проверки.
Интеграции
1С:Розница, R-Keeper, iiko, Quick Resto, Bitrix24 — готовые коннекторы. REST API для своих ERP. Telegram-боты для мерчандайзеров — alert + кнопка «принято к работе».
Бесплатный аудит и пилот на 14 дней
Поставим 2–4 камеры на ваш объект, покажем как работает AI-распознавание именно у вас.
AI Контроль полок в городах Казахстана
Команда A-LUX обслуживает 15 городов РК. Монтаж, пуско-наладка и техподдержка с выездом инженера на объект.
Частые вопросы — AI Контроль полок
Как AI отличает пустую полку от полки с товаром другой высоты?
Калибровка под планограмму. На этапе настройки фиксируем эталонную полку со 100% выкладкой. Модель сравнивает текущее состояние с эталоном по сегментам полок. Изменения планограммы — обновляем за 1–3 дня.
Сколько SKU можно отслеживать одной камерой?
Стандартно — до 100 SKU на 4 МП камеру с углом 60°. До 200 SKU — на 8 МП камеру с детализацией. Для большой матрицы (1000+ SKU) — мульти-камерная сеть с overlap.
Как часто проверяются полки?
По умолчанию — каждые 60 секунд. Для критичных категорий (хлеб, молоко) — каждые 15 секунд. Для медленнооборачиваемых — каждые 5 минут. Настраивается per category.
Какие магазины подходят для AI-контроля полок?
Лучше всего работает на FMCG-сетях с прогнозируемой планограммой (супермаркеты, магазины у дома). Для аптек — works тоже хорошо. Сложнее для бутиков с уникальными SKU и часто меняющейся выкладкой.
Сколько стоит внедрение?
Магазин до 200 м² (3–4 камеры) — от 1.5 млн ₸. Супермаркет до 1000 м² (8–12 камер) — от 4.5 млн ₸. Гипермаркет 5000+ м² — индивидуально. Подписка на cloud — от 89 000 ₸/мес.
Окупится ли система?
Кейс по Караганде — 8 точек, средний чек +12% за 4 месяца. Сокращение OOS с 8% до 1.5% даёт +6.5% продаж в категории. ROI типично 4–8 месяцев для сетей FMCG.
За сколько вы внедрите?
Один магазин — 2–3 недели от подписания. Сеть 8–12 точек — 6–8 недель (параллельный монтаж бригадами). Калибровка планограммы — 7–14 дней после монтажа.
Можно ли распознавать ценники?
Да, отдельная OCR-модель для распознавания цен. Алерт если ценник отсутствует, повреждён или цена не соответствует учётной системе. Особенно важно для акционных товаров.
Можно ли использовать существующее видеонаблюдение?
В 70% случаев — да. Бывают камеры с плохим разрешением (1 МП), неудачным углом (потолок без обзора полки), плохим освещением. На этапе аудита бесплатно проверяем совместимость и отвечаем.
В каких городах работаете?
Внедрение и обслуживание — 15 городов Казахстана (Алматы, Астана, Шымкент, Караганда, Атырау, Актау, Актобе и др.). Удалённая поддержка — все 17 регионов РК.
Сколько SKU AI может одновременно контролировать?
С одной камеры 4МП — до 80–120 SKU на стандартном стеллаже глубиной 50 см. Для увеличения — добавляем камеры (типично 1 камера на 3–4 м длины полки). На все категории среднего супермаркета (3000–8000 SKU) хватает 12–25 камер на торговый зал.
Как AI отличает пустую полку от чёрной упаковки товара?
Сегментация по форме и текстуре. AI знает эталонную форму выкладки (по планограмме или по обучению на ваших стеллажах). Пустая зона = провал контура + отсутствие текстуры товара. Тёмная упаковка = сохранён силуэт. Точность определения out-of-stock — 96%+ после калибровки 7–14 дней.
Можно ли интегрировать с ERP/учётной системой магазина?
Да. REST API к 1С:Розница, 1С:УТ, MS Dynamics, SAP Retail. AI отправляет в учётную систему: «полка 4А, ряд 2, SKU 0094321, остаток 0, время T». Система формирует задание мерчандайзеру через свои бизнес-процессы.
Через сколько времени окупается система контроля полок?
По нашим кейсам — 3–6 месяцев. Источники ROI: (1) сокращение упущенных продаж на 8–18% (out-of-stock), (2) уменьшение списаний по срокам годности на 25–35% (freshness), (3) снижение трудозатрат мерчандайзеров на 40%, (4) рост соответствия планограмме = рост продаж акций. На сети из 5+ точек окупаемость быстрее.
Кейсы внедрения — AI Контроль полок
Реальные проекты A-LUX в Казахстане 2024–2026 с метриками. Имена клиентов и подробности — по запросу под NDA.
Сеть супермаркетов
Out-of-stock на 6 категорий (молочка, хлеб, фрукты, мясо, овощи, заморозка). Среднее время restock −58%. Рост среднего чека +12% за 4 мес. ROI достигнут.
Magnum Cash&Carry
Контроль выкладки + freshness на молочные категории. Списания по сроку годности −32% (раннее предупреждение). Соответствие планограмме +94% (было 71%).
Sulpak
Витрины электроники — контроль ценников и наличия рекламных образцов. Расхождение цена-ценник снижено с 8% до 0.4% за месяц.
Совместимое оборудование для AI Контроль полок
Подбираем под задачу: камеры, AI-серверы, NVR. Прямые контракты с брендами.
4К-камеры узкоугольные
Hikvision DS-2CD3743G2, Dahua IPC-HF8841 — детализация полок
AI-камеры retail
Axis P3265-LV, Hikvision iDS-2CD7A — on-board детекция
AI-серверы для retail
RTX A4000 на 32 камеры с моделью out-of-stock
GPU вычисления
NVIDIA H100 для multi-store аналитики
NVR retail
Hikvision DeepinMind с retail-AI
Edge AI продажи
Jetson Orin для автономной работы магазина
Бренды: Hikvision · Dahua · Axis · Uniview · Все категории →
Услуги A-LUX по теме «AI Контроль полок»
Полный цикл: от аудита и поставки оборудования до 24/7 техподдержки в Казахстане.
Аудит планограммы
Сверка фактической выкладки с эталонной планограммой. Карта расхождений по категориям и SKU.
Out-of-stock detection
AI считает пустые места на полках в реальном времени. Алерт мерчандайзеру через 5–10 минут после исчезновения товара.
Freshness monitoring
Контроль сроков годности (молочка, хлеб, овощи) через AI и интеграцию с ERP-сроками. Алерт за 24 часа до истечения.
Контроль ценников
Соответствие ценника на полке цене в кассе/системе. AI читает MRP/штрих-код и сверяет с ERP.
Аналитика акций
Конверсия промо-выкладки: фотометрия полки до и после акции, рост продаж акционных SKU.
Mass-restock алерты
Прогноз когда нужен restock по скорости продаж. Telegram-боту для смены и доставки на склад.
Для каких бизнесов в Казахстане — AI Контроль полок
Готовые отраслевые сценарии под нефтегаз, ритейл, логистику, общепит, ЖК, заводы и стройплощадки.
Супермаркеты и гипермаркеты
Magnum, Small, Galmart, Astykzhan — out-of-stock и freshness.
Сети FMCG
Локальные ритейл-сети РК: контроль 200–10 000 SKU.
Аптеки
Контроль остатков рецептурных и безрецептурных ОТ препаратов.
Электроника и бытовая техника
Витрины, контроль наличия и ценников в Sulpak, Mechta.
Косметика и парфюмерия
Полки brand-зон, контроль выкладки testers, замена пробников.
DIY и стройматериалы
Leroy Merlin, Hoff — крупный ассортимент, длинные стеллажи.
Книжные и канцтовары
Сезонные полки (1 сентября, праздники), контроль выкладки.
Одежда и обувь fashion
Visual merchandising, размерный ряд, контроль ценников.
Другие AI-направления
AI Smoke Detection
Другое направление AI-видеонаблюдения A-LUX.
AI Fire Detection
Другое направление AI-видеонаблюдения A-LUX.
AI Intrusion Detection
Другое направление AI-видеонаблюдения A-LUX.
AI Dashboard & Alerts
Другое направление AI-видеонаблюдения A-LUX.
AI Retail Analytics
Другое направление AI-видеонаблюдения A-LUX.
← Все направления
Главная AI Video Analytics платформа.
Заказать AI-направление
Опишите объект и количество камер — пришлём расчёт за 1 рабочий день.