Пятёрочка и Перекрёсток: CV-модерация фотоотчётов «Иваныч» в 27 тысячах магазинов

Асинхронный пайплайн на Kafka RPC. CNN-модели крутятся на CPU в NVIDIA Triton Inference Server с динамическим батчингом, VLM-модели — на GPU в vLLM со структурированным выводом; инференс идёт конкурентно с ограничением параллелизма через семафоры, а на пороговых значениях уверенности подключается человек. Портфель — 26 моделей, реализующих 62 типа проверок: 16 проверок чистоты и состояния на классификаторах EfficientNet/ResNet, 7 типов детекции зон, 24 типа категоризации товаров, VLM-проверки статуса, рекламы и ценников, связки YOLO + OCR для сроков годности, штрихкодов и подсчёта коробок. Большую часть жизни система работала на 4 vCPU и 16 ГБ RAM, позже переехала на GPU для масштабирования.

Вендор и технология: X5 Tech, 26 моделей на NVIDIA Triton Inference Server и vLLM.

Модераторы не справлялись с миллионами фотоотчётов в месяц, анкеты копились неделями. Ручная проверка была медленной, дорогой и неровной по качеству.

• Автоматизировать рутинную проверку фото

• закрывать анкеты в день подачи, а не через недели

• сохранить качество за счёт human-in-the-loop на пороговых случаях

• уложиться в минимальные вычислительные ресурсы

• масштабировать до 10 млн проверок в месяц

• Результаты

• Объём вырос с 0 до 10 млн фото в месяц

• доля анкет, закрываемых в тот же день, — с 0% до 40%

• производительность команды модерации выросла в 7 раз

• операционные расходы снижены на 50%

• точность выросла с 79% до 92%

• обработка в 5 раз быстрее ручной

• 26 моделей и 62 типа проверок

• основная работа на 4 vCPU и 16 ГБ RAM Финансы

• Операционные расходы на модерацию снижены на 50% Нагрузка и масштаб

• Около 27 000 магазинов «Пятёрочка» и «Перекрёсток», 10 млн проверок фото в месяц Сроки

• 8 месяцев, сентябрь 2025 — май 2026; публикация 02.07.2026

Операционные расходы на модерацию снижены на 50%