Зеница
Победитель конкурса «Студенческий стартап» (VII очередь)

Зеница

Небо под наблюдением. Обнаружение дронов на основе компьютерного зрения.

Детекция малых БПЛА в реальном времени на уже установленных камерах. Отличает дрон от птицы и самолёта, определяет местоположение и мгновенно оповещает — автономно, без облака, в 20–50 раз дешевле аналогов.

Точность
≈ 90%
Цена точки
< 500 тыс ₽
Режим
Пассивный
Работа
Без облака
КАНАЛ 01 · В ЭФИРЕEDGE · КОМП. ЗРЕНИЕ
цель: дрон сопровождение
Промышленные предприятияСклады и логистикаНефтебазыЭнергетика и подстанцииАгрохолдингиЧОПыАэродромыДата-центрыВузы и дрон-школыПромышленные предприятияСклады и логистикаНефтебазыЭнергетика и подстанцииАгрохолдингиЧОПыАэродромыДата-центрыВузы и дрон-школы
Проблема

Малые дроны — новая брешь в периметре

Несанкционированное проникновение малых коммерческих БПЛА на охраняемые объекты стало массовым. Классические системы охраны их не видят.

Промышленный шпионаж

Съёмка цехов, технологий и территории с воздуха.

Разведка периметра

Картирование инфраструктуры, ограждений и постов охраны.

Доставка запрещённых грузов

Заброс контрабанды, запрещённых предметов через ограждение.

Диверсии и угрозы

Провокации, повреждение оборудования, террористические риски.

0%

ложных срабатываний у части решений — на птиц, ветки, дым и облака

0+ млн ₽

стоимость радарных и комплексных антидрон-систем

нет

видеоподтверждения у РЭБ-глушилок — и демаскировка объекта

Как это работает

Существующая камера → мини-компьютер → мгновенная тревога

Комплекс подключается к уже установленной IP-камере и работает автономно на компактном edge-устройстве — без облака и без интернета.

1

IP-камера на объекте

Используется стандартная камера, уже установленная на периметре. Никакого нового монтажа оптики.

2

Обработка на мини-компьютере

Видеопоток анализируется локально на устройстве ≈10×7×3 см (15–25 Вт). Данные не покидают объект.

3

Нейросеть детектирует и классифицирует

Модель отличает дрон от птицы, самолёта и помех, определяет точное местоположение в кадре.

4

Мгновенное уведомление

Push / e-mail / API в СКУД и охранные системы. Видеоклип тревоги — с предысторией 3 секунды.

Без интернета Данные не покидают объект 15–30 кадров/с
Живое демо

Посмотрите, как «Зеница» видит небо

Слева — как система находит дроны на разных съёмках. Справа — облегчённая демо-модель, которую можно запустить прямо в браузере на своей камере или фото. Это упрощённая витрина: рабочий комплекс на объекте точнее и быстрее.

Как система находит дроны на разных съёмках. Переключайте источник. Работает на любом устройстве.

Источник:
загрузка кадров…
REC 00:00CAM-01 · edge ≈24 к/с
целей в кадре: 0реальные срабатывания · воспроизведение

Журнал обнаружений

0 событий

Каждое срабатывание фиксируется по времени

— ожидание целей —
0
в кадре
НОРМА
статус
Дрон
Точность и надёжность

Видит то, что пропускают обычные камеры

Комплекс обучен на большой базе реальных съёмок дронов в разных условиях. Он находит малые БПЛА раньше, чем те подлетят к объекту, и отличает их от помех.

Около 9 из 10 дронов

Высокая точность обнаружения малых БПЛА в реальных условиях.

Мало ложных тревог

Отсекает помехи — не поднимает тревогу на каждую птицу, ветку или облако.

Раннее обнаружение

Замечает цель ещё на подлёте — есть время среагировать.

Разные условия

Работает днём и в сумерках, при разном фоне и погоде.

Примеры обнаружения

Пример обнаружения дрона
Пример обнаружения дрона
Пример обнаружения дрона

Реальные срабатывания на тестовых съёмках дронов.

Продукт

Характеристики программно-аппаратного комплекса

Готовый прототип: мини-компьютер + IP-камера + обученная модель.

Аппаратная часть
IP-камера + мини-ПК
габариты ≈ 10×7×3 см
Энергопотребление
15–25 Вт
пассивное охлаждение
Скорость обработки
15–30 к/с
реальное время
Дальность
100–300 м
зависит от камеры и оптики
Точность обнаружения
≈ 90 %
малые БПЛА в реальных условиях
Ложные срабатывания
низкие
против ~80 % у части аналогов
Автономность
Без облака
работает офлайн, данные на объекте
Скрытность
Пассивная
не излучает, не демаскирует объект

Область применения

Охрана периметра промышленных предприятий, складов, нефтебаз, подстанций, агрохолдингов и ЧОПов.

Рынок и потребитель

Растущий рынок и свободная ниша

Ниша недорогих решений для среднего и малого бизнеса практически пуста — крупные игроки работают в премиум- и госсегменте.

0 млрд ₽

рынок антидрон-систем в России (2025)

0 млн $

сегмент обнаружения БПЛА к 2033 году

0 %

ежегодный рост сегмента (CAGR)

Прогноз сегмента обнаружения БПЛА

млн $, рост ≈ 22 % в год (CAGR)

Целевые сегменты

Промышленные предприятия «второго эшелона» (склады, нефтебазы, подстанции)
Частные охранные предприятия (ЧОП)
Агрохолдинги
Вузы и дрон-школы
Почему мы

Место «Зеницы» на рынке

80% задач охраны не требуют активного перехвата — достаточно раннего обнаружения и видеоподтверждения.

РешениеЦенаПассивноеВидеоБез облакаОсобенности
«Сфера» (Ростех)десятки млн ₽только госзаказ
InPointвысокаяоптика + акустика + нейтрализация, сложный монтаж
Dedroneочень высокаялидер рынка, санкции, избыточный функционал
РЭБ-глушилкисредняядемаскируют объект, нет видеоподтверждения
Зеница< 500 тыс ₽детекция + видео, простая интеграция

Полностью отечественная разработка

Соответствует нацпроекту технологического лидерства: ИИ, импортозамещение.

В 20–50 раз дешевле

Цена точки контроля — менее 500 тыс ₽ против радаров за десятки миллионов.

Пассивная и скрытная

Не излучает и не демаскирует объект — в отличие от радаров и РЭБ.

Простая интеграция

Работает с уже установленными IP-камерами. Без облака и интернета.

Интерактив

Оцените стоимость охраны периметра

Прикидка порядка цифр: комплект «Зеница» против типового радарного/комплексного решения. Это ориентир, не коммерческое предложение.

6
Зеница
2 700 000
Радарный аналог
72 000 000
Экономия ориентировочно
~69 300 000 ₽ · в 27 раз дешевле

Это предварительная оценка. Точная стоимость — после аудита объекта.

Дорожная карта

От прототипа к edge-развёртыванию

Ядро готово. Дальше — перенос на целевое железо и масштабирование.

Готово

Обученная модель и пайплайн

YOLO11, объединённый датасет, реальный тест на дронах, тревога + видеофиксация.

Готово

Прототип комплекса

Мини-компьютер + IP-камера, детекция в реальном времени, журнал обнаружений.

В работе

Edge: Jetson / Raspberry Pi / Intel

Экспорт в TensorRT, NCNN, OpenVINO. Реальное время на компактном железе.

План

Пилоты и продажи (B2B)

Комплект «камера + мини-ПК + ПО», подписка на обновления алгоритмов.

Команда и задел

Кто за проектом

Научно-технический задел, публикации и опыт промышленного компьютерного зрения.

ВИ
Верещагин Илья Дмитриевич
Руководитель проекта · студент 1 курса магистратуры ВлГУ
ОА
Орлов А. А.
Научный консультант · д-р техн. наук, доцент, зав. кафедрой ФПМ ВлГУ

Достижения и научный задел

  • Автор 4 научных работ и тезисов по компьютерному зрению (YOLO для промышленных задач)
  • Лучший студенческий доклад на XVII НПК ОМК им. С. З. Афонина (2022)
  • Финалист Всероссийской олимпиады «Я — профессионал» по ИИ (2024/2025)
  • Публикации в материалах международных конференций ICIEAM-2025 и DSPA-2025
  • Реальный промышленный алгоритм локализации маркировки ж/д колёс в видеопотоке

Интеллектуальная собственность

Интеллектуальная собственность в процессе регистрации: программный модуль + методика дообучения.

Развитие команды

Планируется расширение команды до 4 человек: embedded-разработчик и тестировщик.

Контакты

Обсудим защиту вашего периметра

Расскажите об объекте — предложу конфигурацию, оценю стоимость и сроки пилота. Отвечаю лично.

E-mail
Ilay.net1@gmail.com
Телефон
+7 920 903 70 64
Автор проекта
Верещагин Илья Дмитриевич

Нажимая кнопку, вы соглашаетесь на обработку контактных данных для ответа на заявку.