После разгрузки машины с трубами на предприятии нужно все посчитать, документировать и внести в систему управления складом. На крупном металлургическом складе эта процедура может занимать часы, а когда счет идет на тысячи единиц товара — ошибиться легче, чем угодить в цель.​

Обычный телефон с камерой, нейросеть YOLOv8 и компьютерное зрении — вот все, что нужно, чтобы усовершенствовать эту процедуру. Рабочий фотографирует трубы, система автоматически их распознает, определяет тип и количество, и результат тут же отправляется в базу данных предприятия. Никакого ручного подсчета и никаких проверок на следующий день, когда обнаружилась ошибка.​

Разработку обучали на 5800 изображениях — часть взяли из открытых источников, часть сфотографировали прямо на производственных площадках в реальных условиях. Это ключевой момент: нейросеть не просто видит трубу на красивой фотографии с идеальным освещением, она может работать с фотографиями среднего качества, сделанными при плохом свете, под разными углами, в грязной производственной среде. Система прошла испытания в различных условиях съемки и подтвердила свою надежность.​

Преимущества очевидны даже человеку, далекому от ИИ. Инвентаризация, которая раньше занимала часы, теперь занимает минуты. Рабочий, вместо того чтобы стоять с блокнотом или клавиатурой и вводить данные, просто снимает на камеру и идет дальше. Количество ошибок при таком подсчете сводится к нулю. Компьютер не устает, не отвлекается и не ошибается в арифметике.

Разработчики отмечают, что технология может быть адаптирована и для учета других типов металлопродукции — арматуры, профилей, прутков, листового металла. Потенциальный рынок применения огромен: металлургические комбинаты, производители металлоконструкций, строительные компании, логистические склады, трубопрокатные заводы. Практически любое предприятие, которое работает с объемными материалами и ведет складской учет, может использовать подобное решение, чтобы экономить часы рабочего времени персонала и акцентировать внимание специалистов на других перспективных производственных задачах.