Привет! Сегодня выдам базу о том, как за одни выходные превратить безумную идею в работающий софт. Мы успели все: прописали пользовательские сценарии, нарисовали дизайн, собрали веб-интерфейс и даже натренировали нейросеть автоматически находить дефекты на дорогах.
Когда–то мы плотно сидели на no-code продуктах, и этот опыт нам дико пригодился. Заказчик пришел с классикой: ТЗ в две строчки и дедлайн «вчера». Зато нам дали полную свободу действий.
Это и стало решающим фактором. Мы получили карт-бланш и за три дня собрали продукт, который полностью закрывает боли в управлении инспекциями. Система не просто хранит данные, она сама распознает неисправности с помощью нейронки, избавляя людей от нудного ручного просмотра гигабайтов фото и видео.
Лови историю о том, что бывает, когда экспертиза встречается с жестким ограничением по времени и бюджетом в полмиллиона.
Техническое задание от заказчика
Изначальный запрос звучал эпично: нужно разработать концепцию комплекса для фиксации нарушений в сфере ЖКХ и дорожного хозяйства.
Если перевести с официального на человеческий, требовалась умная система видеоаналитики. Она должна сама ловить косяки на дорогах, привязывать их к GPS-координатам, делать скриншоты «преступления» и мгновенно стучать в нужные городские службы.
Но самое интересное вскрылось на брифе. Оказалось, что сейчас весь процесс инспекций – это тотальное бинго ручного хаоса:
- Все общение – в мессенджерах. Фото ям, кучи сообщений, голосовые – все валится в одну кучу.
- Мешанина и потеря данных. Кто, где и когда зафиксировал нарушение – разобрать в этом потоке невозможно.
- Нулевой контроль. Понять статус заявки или отследить эффективность работы инспекторов было нереально.
Нашей задачей было полностью оцифровать этот бардак и превратить его в прозрачный конвейер, где нейросеть делает самую нудную работу за людей.
О результате
Спустя три дня безумного марафона из проектирования, дизайна и обучения нейронки, у нас на руках был готовый веб-сервис. Мы не просто прикрутили ИИ к картинкам, а выстроили полноценный конвейер управления городом.
Что теперь умеет система:
- Никакого «привет, как дела» в мессенджерах. Заказчик просто создает задачу на инспекцию конкретного участка, и она тут же падает подрядчику. Все прозрачно и официально.
- Двойной контроль качества. Подрядчик загружает фото или видео, а дальше начинается магия. Нейросеть сканирует кадры на дефекты, подсвечивает косяки, и только после этого ответственный сотрудник нажимает кнопку «Ок». Человеческий фактор сведен к минимуму.
- Личный кабинет как спасение. Подрядчику больше не нужно думать, куда залить тяжелые файлы или как отчитаться. Зашел в сервис, открыл инспекцию, прикрепил данные – отчет улетел заказчику за секунды.
- Цифровой архив вместо свалки файлов. Вся история инспекций теперь лежит в одном месте. Больше никаких раскопок в почте или WhatsApp. Нужно поднять данные за прошлый год? Все под рукой в пару кликов.
- Предсказание будущего (почти). В аналитическом блоке мы реализовали функционал, который умеет прогнозировать, когда участок дороги начнет «сыпаться». Это позволяет чинить ямы до того, как в них начнут застревать машины.
В итоге за выходные и бюджет в 500к мы превратили хаотичный ручной процесс в цифровой инструмент с искусственным интеллектом на борту.
Добавление участков дороги
Мы решили, что фундаментом всей системы должен стать конкретный участок дороги. Это не просто строчка в базе, а «живая» сущность, которую инспектируют, латают и поддерживают в тонусе.
А чтобы админы не сошли с ума от объемов данных, мы вывели все на один экран. Теперь в пару кликов можно увидеть:
- Сколько всего участков под контролем.
- В каком они состоянии прямо сейчас (кто «зелененький», а кто уже «кричит» о ремонте).
- Гибкие фильтры по датам, типам покрытия и прочим важным параметрам.
Как это устроено технически?
Чтобы система работала корректно, мы внедрили простую механику добавления маршрутов. Участок формируется путем расстановки точек на карте, между которыми система сама прокладывает путь.
Зачем такая точность? Все дело в преемственности данных:
- К конкретному отрезку привязываются все будущие инспекции.
- Система «запоминает» каждый обнаруженный дефект именно в этой локации.
- На основе этой истории строится прогноз износа и оценка состояния.
В итоге получается настоящая цифровая биография каждой дороги: от первой трещины до капитального ремонта. Никакой путаницы с адресами – только четкие координаты и железная логика.годаря чему будет строиться прогноз износа и оценка состояния.
Задания на инспектирование дорожной инфраструктуры
Чтобы работа не превращалась в хаос, мы сделали раздел с заданиями. Теперь админ просто создает задачу на проверку конкретного участка, и она улетает в работу.
Как это устроено:
- Все задачи в одном месте. Список созданных и выполненных инспекций всегда под рукой на одной вкладке.
- Быстрый поиск. Система фильтров и сортировки позволяет найти нужную проверку по любому параметру за секунды.
- Наглядные виджеты. Главные цифры и статусы выведены в блоки, чтобы считывать ситуацию мгновенно, не копаясь в таблицах.
В итоге – полная прозрачность процесса. Всегда понятно, кто, где и когда проверял дорогу.
При создании задания мы свели бюрократию к минимуму. Нужно указать всего три параметра: конкретный участок дороги, подрядчика и ответственного исполнителя.
После выполнения и одобрения задачи система формирует дефектную ведомость в формате PDF.
- Это финальный этап инспекции и официальное основание для начала ремонта. Никакого ручного заполнения – документ со всеми данными создается автоматически и сразу готов к печати или отправке в работу.
Процесс устроен так: специально обученный сотрудник самостоятельно выделяет место дефекта на кадре. Это гарантирует точность данных и исключает ошибки в позиционировании будущих дорожных работ.
Выполнение задач на инспектирование и работа нейросети
В интерфейсе подрядчика исполнитель видит актуальные задачи, историю выполненных работ и счетчик оставшихся проверок.
Все максимально прозрачно: сотрудник сразу понимает объем работы на день, а история инспекций позволяет быстро уточнить детали по любому сданному объекту.
В интерфейсе исполнителя все просто: внутри задачи можно загрузить файлы, оставить комментарий и обновить статус работы.
Как только видео или фото попадают в систему, в дело вступает нейросеть. Она автоматически ищет три типа косяков:
- Ямы.
- Трещины.
- Дефекты разметки.
Как мы запускали ИИ «на коленке»
На старте мы сомневались, успеем ли внедрить нейронку в такие сжатые сроки. Чтобы не рисковать, собрали черновой интерфейс и обучили модель на Peltarion.
Результат подтвердил: даже для MVP-версии мощностей хватает. Конфигурацию и дообучение модели можно проводить прямо через веб-интерфейс. Ниже – скрины тех самых настроек из Peltarion, которые стали «мозгами» нашего проекта.
Отчеты
Кроме стандартных отчетов по количеству инспекций, просрочкам и качеству дорог, мы добавили отчет по эффективности нейросети.
Логика простая: система сравнивает правильные обнаружения с ошибками и пропусками. Маркировать неверные срабатывания можно прямо в интерфейсе проверки. Так пользователи дают живую обратную связь, а нейросеть понимает, где она накосячила и как работать лучше.
Команда и тайминг
Над проектом потели пять человек: четверо сидели плечом к плечу за одним столом, пятый – на удаленке. В сумме набежало порядка 180-200 рабочих часов, которые мы уложили в три бешеных дня с жесткими овертаймами.
Весь продукт собрали на no-code технологиях:
- Bubble.io – на нем подняли веб-интерфейс и всю бизнес–логику.
- Peltarion – отвечал за «мозги» и работу нейросети.
Мы помогаем бизнесу создавать качественные продукты через долгосрочное сотрудничество: не просто выполняем задачи, а становимся частью вашей команды, предлагаем улучшения и делимся экспертизой. Работаем на результат, а не на часы, и превращаем каждый проект в возможность сделать ваш бизнес сильнее.
👉 Пишите Степану в Telegram или оставляйте заявку на нашем сайте FTM.Agency – разберем ваш проект и подскажем, как вывести его в успешный запуск.