Jeden soudruh je bez helmy, druhý bez rukavic.
Ve výrobě je mnoho nepříliš povedených fotoaparátů, do kterých se dívají ne zrovna nejpozornější babičky. Přesněji řečeno, oni se tam jednoduše zblázní z monotónnosti a ne vždy vidí incidenty. Pak volají pomalu, a pokud to vcházelo do nebezpečné zóny, pak někdy nemá smysl volat do dílny, můžete jít rovnou k příbuzným pracovníka.
Pokrok dosáhl bodu, kdy robot může všechno vidět a dát bič každému, kdo to poruší. Například připomenutím pomocí SMS, lehkým výbojem proudu do sirény, vibrací, ošklivým skřípáním, zábleskem jasného světla nebo jednoduše řečeno vedoucímu.
Konkrétně:
- Je velmi snadné rozpoznat lidi bez helmy. Dokonce i plešatí. Pokud jsme viděli osobu bez přilby, bylo okamžitě odesláno upozornění operátorovi nebo vedoucímu dílny.
- Totéž platí pro brýle a rukavice v nebezpečných odvětvích, opaskový postroj (i když se zatím díváme pouze na karabinu), reflexní vesty, respirátory, čepice do vlasů a další OOP. Nyní je systém natrénován k rozpoznání 20 typů Sizov.
- Můžete přesně spočítat lidi na místě a vzít v úvahu, kdy a kolik jich tam bylo.
- Můžete spustit alarm, když osoba vstoupí do nebezpečné zóny, a tuto zónu lze nakonfigurovat na základě skutečnosti, že se stroje spouštějí a zastavují.
A tak dále. Nejjednodušším příkladem je barevné odlišení zedníků a betonářů podle barvy jejich přilby. Aby pomohl robotovi. Koneckonců, žít ve společnosti bez barevného rozlišení znamená mít žádný účel.
Jak kradou na stavbě
Jedním z běžných krádeží je situace, kdy dodavatel slíbil, že na místo přivede 100 pracovníků, ale ve skutečnosti přivedl 40–45. A dům se staví a staví. Přesto je ve skutečnosti nikdo nedokáže přesně spočítat. Jako ve známém vtipu: když se medvěd usadí na staveništi a sežere lidi, nikdo si toho nevšimne. Stejně tak generální dodavatel nemá jak kontrolovat posádky. Přesněji řečeno, i když použijete ACS, bude stále podveden, .
Systémy kontroly přístupu na staveništích většinou nejsou nebo jsou pouze u vchodu.
Jeli jsme si vyměnit zkušenosti s vysoce rozvinutými civilizacemi a viděli jsme, že každé povolání (přesněji role) má svou barvu přilby. Tady zedníci pokládají cihly - mají modré helmy, liči beton - mají zelené, chodí všelijakí chytráci - mají žluté, takže před nimi musíte udělat „ku“ dvakrát. A tak dále.
A to vše je potřeba k velmi snadnému odhalení každé role. Zařízení má několik desítek poměrně levných kamer, které produkují něco jako 320x200 barev. Pracovníci jsou počítáni podle přileb v reálném čase a každé kameře je přiřazeno konkrétní staveniště. Výsledkem je, že na konci dne je toto vše spojeno dohromady v analýze, aby se zaznamenávaly plány podle zón: kdo pracoval, v jakém množství a v jaké oblasti.
Obecně jsme převzali zkušenosti. Teprve když jsme to pozorně sledovali, neuronové sítě postoupily daleko vpřed a objevilo se mnoho nových detektorů. Ještě před pár lety byly docela vrtošivé a nestabilní, ale nyní vám umožňují velmi přesně zachytit ty nejzajímavější situace. V neposlední řadě kvůli rychlosti zpracování detektory často chybují na jednotlivých snímcích, ale na videostreamu s drobnými změnami úhlu získáme vynikající praktický výsledek.
Co když si dám druhou helmu na opasek?
Nejprve jsme se dozvěděli, že dělník může dostat dvě přilby a jednu z nich si nasadit na zadek. Nyní máme dva detektory najednou: hledání kostry a určení barevné skvrny, která by odpovídala vrcholu této kostry, a hledání synchronně se pohybujících objektů. Druhý způsob se ukázal jako snáze odhalitelný: například člověk s helmou na zadku není touto helmou téměř nikdy kontrolován. Protože k tomu musíte otočit hlavu. A tento pohyb je velmi snadno detekovatelný. Přesněji řečeno, nevíme, co přesně se tam vlastně detekuje (je to neuronová síť), ale naučila se velmi rychle a porušovatele zachytí, dalo by se říci, jejich chůzí.
Budujeme model člověka.
Pak jednoduše sestavíme tepelnou mapu v reálném čase a na konci dne zprávy.
Podle stejného principu - trénováním neuronové sítě - lze snadno zjistit následující:
- Helmy.
- Župany.
- Vesty.
- Boty.
- Lepení vlasů.
- Bezpečnostní karabiny.
- Respirátory.
- Ochranné brýle.
- Správné nošení bundy (důležité pro elektrické zařízení: může způsobit úraz ve strojovně při výrobě).
- Přesouvání velkých nástrojů mimo obvod.
Celkem již bylo otestováno 29 detektorů. Jediným bodem je, že vzhledem k tomu, že pracujeme v nebezpečných odvětvích, jako je chemie nebo hornictví, existují požadavky na typy rukavic. Například dlouhé a krátké. V tomto případě musí mít různé barvy: je velmi obtížné určit délku pod rukávem pomocí videokamery.
Zde se ale často vyskytovaly případy krys. Nemáme samostatný detektor krys, ale máme detektor předmětů, které narušují provoz stroje:
Co dalšího se zjišťuje?
Testovali jsme detektory v chemických provozech, v těžebním průmyslu, v jaderném průmyslu a na stavbách. Ukázalo se, že s trochou snahy je možné vyřešit několik dalších požadavků, které dříve řešily stejné babičky, které se zaraženě snažily na obrázku něco vidět přes špatné rozlišení a špatnou snímkovou frekvenci. konkrétně:
- Vzhledem k tomu, že stále vytváříme kosterní model každého pracovníka, lze pády detekovat. Pokud spadne, můžete okamžitě zastavit stroj, vedle kterého se nachází (v pilotních implementacích taková integrace nebyla, byly tam prostě alarmy). Tedy pokud máte IoT.
- Samozřejmě v nebezpečných oblastech. Je to velmi snadné, velmi přesné a velmi užitečné pro každého. V hutních podnicích lidé pracují vedle kádí z vroucí oceli, je užitečné ocel kalit, ale někdy je nebezpečné stát trochu na špatné straně. S ohledem na provoz různých součástí a zařízení můžete tyto nebezpečné zóny, nastavit pro ně harmonogram a tak dále.
- Další velmi užitečný detektor přítomnosti OOPP hlídá odpovědnost zaměstnanců a kontroluje, zda jim nehrozí nebezpečí. Zde babička přistupuje k účetnímu úkolu velmi zodpovědně a nosí všechny pro ni požadované OOPP. Chvályhodné!
Bylo velmi snadné implementovat kontrolu chování – zda zaměstnanec spal nebo ne. Zatímco jsme to všechno testovali, pravidla se vyvinula z „V této oblasti musí být osoba v zelené přilbě“ na „V této oblasti se musí pohybovat osoba v zelené přilbě“. Doposud se našel pouze jeden chytrý chlapík, který přišel na čip a zapnul ventilátor, ale i to se ukázalo jako snadné.
Pro chemiky bylo velmi důležité zaznamenávat všechny druhy proudů páry a kouře. V ropném průmyslu - integrita potrubí. Požár je obecně standardní detektor. Nechybí ani kontrola uzavřených poklopů.
Zapomenuté věci se zjišťují stejným způsobem. Před pár lety jsme to testovali na jedné ze stanic, tam to vzhledem k velkému počtu akcí skoro nedává smysl. Ale v továrnách, zejména chemických, je velmi vhodné sledovat věci v čistém prostoru.
Zajímavé je, že údaje ze zařízení v oblasti kamery můžeme číst přímo z analýzy videa. To je relevantní pro stejné chemiky, jejichž výrobní komplexy mají vysokou třídu nebezpečnosti. Jakákoli změna, jako je výměna senzoru, znamená opětovnou koordinaci projektu. Je to dlouhé, drahé a bolestivé. Přesněji je to DLOUHÉ, DRAHÉ a BOLESTNÉ. Internet věcí si proto pro ně přijde pozdě. Nyní chtějí video dohled na měřičích a číst data, rychle na ně reagovat a snižovat ztráty v důsledku neočekávaného a nepozorovaného selhání zařízení. Na základě aktuálních dat z měřidel můžete vybudovat digitální dvojče podniku, implementovat prediktivní údržbu a opravy, ale to je úplně jiný příběh... Již máme kontrolu: nyní píšeme proaktivní analýzy založené na souhrnu dat. A samostatně - modul predikce výměny baterie.
Další neuvěřitelná věc - ukázalo se, že v sýpkách a ve skladech materiálů, jako je drcený kámen, můžete vystřelit hromadu ze 3-4 úhlů a určit její okraje. A po určení hran uveďte objem zrna nebo materiálu s chybou až 1%.
Posledním detektorem, o kterém jsme psali, bylo sledování únavy řidiče, jako je „kývání“, zívání a frekvence blikání. To je pro HD kamery, kde jsou vidět oči. S největší pravděpodobností bude instalován v řídicích místnostech. Ale hlavní potřeba jsou nákladní vozy BelAZ a KamAZ pro lomy. Občas tam spadnou auta, takže teď na místě těžby jsou nuceni vymyslet něco, co řidiče ovládne. Robot je lepší než babička.
O autech. Například téma kontroly únavy aktivně využívají automobilky nejen BelAZ, KamAZ a další vozidla MAZ. Výrobci už do běžných běžných aut zabudovávají systémy varování před únavou řidičů, ale zatím mají celkem jednoduchá řešení, která analyzují pouze polohu vozu vzhledem ke značení a charakter pohybu volantu. Šli jsme dále a detekovali lidské chování, které je mnohem složitější.
Dalším případem sledování řidičů je detekce nekorektního chování při používání strojů pro sdílení aut. Bez hands free nemůžete telefonovat, jíst, pít, kouřit a mnoho dalšího.
Jo a ještě poslední věc. Již několik let můžeme sledovat objekt mezi kamerami - když bylo například něco odcizeno, je třeba zkontrolovat, kudy a jak. Pokud je v zařízení 100 kamer, budete vyčerpaní při zvedání materiálu. A pak systém automaticky vygeneruje akční thriller o Oceanovi a jeho přátelích.
Jaký je rozdíl oproti systému před dvěma lety? Nejde tedy jen o rozpoznání typu „plešatý muž v oranžové bundě opustil jednu celu a téměř okamžitě vstoupil do jiné“, ale sestaví se matematický model místnosti a na jeho základě se sestaví hypotézy o pohybu předmětu. To znamená, že to vše začalo fungovat v oblastech s přesahem a místy se slepými místy, někdy i rozsáhlými. A detektory jsou nyní mnohem lepší, protože existují knihovny, které určují věk podle obličeje. Na HD kamerách můžete nastavit orientaci jako „30letý muž s 35letou ženou“.
Tak snad za 5-7 let dokončíme výrobu a půjdeme k vám domů. Pro bezpečnost. Je to ve vašem vlastním zájmu, občane!
reference
- Můj mail - [chráněno e-mailem]
Zdroj: www.habr.com