AI-контроль полок и freshness monitoring для супермаркетов: технология 2026
Что AI распознаёт на полке супермаркета
Стандартный супермаркет в Казахстане теряет 8-18% выручки на out-of-stock — товар закончился, покупатель не нашёл, ушёл к конкуренту. Раньше это решалось мерчандайзерами с обходом полок 2-3 раза в день. AI-камера на стеллаж делает это в реальном времени и автоматически.
Конкретные задачи AI на полке (платформа A-LUX Shelf Monitoring):
- Out-of-stock detection — пустое место на полке. Алерт мерчандайзеру за 30-60 секунд.
- Соответствие планограмме — фактическая выкладка vs эталонная схема. Карта расхождений по SKU.
- Контроль ценников — соответствие ценника на полке цене в кассе/ERP. AI читает MRP/штрих-код и сверяет с базой.
- Freshness monitoring — для молочки, хлеба, овощей: контроль сроков годности через интеграцию с ERP-сроками. Алерт за 24 часа до истечения.
- Аналитика акций — конверсия промо-выкладки: фотометрия полки до и после акции, рост продаж.
- Рестокинг прогноз — AI считает скорость продаж и прогнозирует когда нужен restock с учётом графика поставок.
Реальный кейс: сеть супермаркетов в Караганде, 8 точек
Местная сеть FMCG-супермаркетов в Караганде. 8 точек площадью 800-1500 м². Задача: out-of-stock детекция на 6 категорий (молочка, хлеб, фрукты, мясо, овощи, заморозка) + freshness monitoring.
Внедрено: 18-22 камеры на каждой точке (4 МП Hikvision узкоугольные для полок), 1 AI-сервер на сеть (RTX A4000 кластер, 200+ камер общая), Cloud dashboard с per-store разрезом. Калибровка — 14 дней.
Результаты за 4 месяца:
- Среднее время восполнения товара (restock): −58% (с 4.2 часов до 1.8 часа).
- Out-of-stock инциденты >30 минут: −76%.
- Списания по сроку годности: −32% (раннее предупреждение за 24-48 часов).
- Соответствие планограмме: вырос с 71% до 94%.
- Средний чек: +12%.
ROI достигнут за 4 месяца. Полный кейс — на странице AI Shelf Monitoring.
Какое оборудование нужно для AI-полок
Особенность супермаркета — нужны узкоугольные 4 МП камеры с детализацией для распознавания SKU (а не широкоугольные общего обзора). Стандартный комплект для среднего магазина:
- 4 МП IP-камеры узкоугольные — Hikvision DS-2CD3743G2 или Dahua IPC-HF8841 (~85-110 тыс ₸ × количество).
- 1 камера на 3-4 м длины полки — типично 12-25 камер на торговый зал среднего магазина.
- AI-камеры с on-board AI опционально — Hikvision DeepInView для retail (~340 тыс ₸) — уменьшает нагрузку на сервер.
- Edge AI-сервер — RTX A4000 на 32 камеры (~1.2 млн ₸) или RTX A6000 для крупных магазинов (~2.5 млн ₸).
- Облачный dashboard для аналитики и multi-store отчётов.
Каталог retail-камер — на странице AI Equipment.
Интеграция с 1С:Розница, Magnum, Set Retail
AI-контроль полок имеет смысл только в связке с учётной системой магазина. Стандартные интеграции платформы A-LUX:
- 1С:Розница 8 — REST API, метаданные событий (out-of-stock SKU, freshness alert) попадают в учёт через интеграционный модуль. Готовый коннектор.
- Set Retail — синхронизация SKU базы и ценников. Расхождение цена-ценник сверяется автоматически.
- Magnum POS — интеграция с фискальной системой для онлайн-сверки цен.
- iiko (для общепита-ритейла) — для гипермаркетов с фуд-кортом.
- SAP Retail / MS Dynamics — для крупных сетей.
- Custom API — любая система через REST.
Интеграция занимает 1-3 дня под существующие API.
Сколько SKU AI может одновременно контролировать
С одной камеры 4 МП — до 80-120 SKU на стандартном стеллаже глубиной 50 см. Для увеличения — добавляем камеры (1 камера на 3-4 м длины полки). На все категории среднего супермаркета (3000-8000 SKU) хватает 12-25 камер на торговый зал.
Точность распознавания out-of-stock — 96%+ после калибровки 7-14 дней. Точность распознавания SKU (по упаковке, без штрих-кода) — 89-93%. Для критичных задач рекомендуем камеры с on-board AI или комбинированную систему с RFID-метками.