Nisza badawcza niniejszego artykułu dotyczy wykorzystania otwartej inteligencji wizualnej i automatycznego widzenia komputerowego w połączeniu z klasycznym modelowaniem szeregów czasowych do analizy i prognozowania strat sprzętu wojskowego w wojnie rosyjsko-ukraińskiej. Celem badań było sprawdzenie, czy dane potwierdzone wizualnie (repozytorium Oryx) można algorytmicznie przekształcić w wiarygodny szereg tygodniowy i wykorzystać do prognozowania krótkoterminowego. Zbadano dwie hipotezy: (H1) otwarte dane wizualne dają szereg o stabilnym trendzie i sezonowości; (H2) model ARIMAX z terminami Fouriera przewyższa sezonowy model ARIMA w krótkich horyzontach czasowych. Metodologia obejmowała potok Python, w którym YOLOv8 lokalizował znaczniki daty, a EasyOCR je odczytywał; dekompozycja STL charakteryzowała trend i strukturę sezonową. Do prognozowania wykorzystano modele SARIMA i ARIMAX z parami sinus/cosinus dla okresu rocznego. Wyniki potwierdzają wyraźną sezonowość roczną (szczyt w marcu–kwietniu) i trend osiągający szczyt wczesną wiosną 2023 r.; w porównaniu z modelem SARIMA model ARIMAX zmniejszył błędy o 14,6–23,7% (MAE) i 23,8–25,5% (RMSE) zarówno w dopasowaniu w próbie, jak i walidacji kroczącej. Wnioski wskazują, że pomimo ograniczeń (dolna granica rzeczywistych strat) publiczne dane wizualne stanowią solidną, weryfikowalną podstawę analityczną o dużym potencjale prognostycznym; przyszłe prace powinny uwzględniać uczenie maszynowe, egzogeniczne zmienne towarzyszące i prognozowanie probabilistyczne.