Den ene kammerat er uden hjelm, den anden er uden handsker.
I produktionen er der mange ikke særlig gode kameraer, som ikke de mest opmærksomme bedstemødre kigger ind i. Mere præcist går de simpelthen amok der af monotonien og ser ikke altid hændelser. Så ringer de langsomt, og hvis det var på vej ind i en farlig zone, så er der nogle gange ingen mening i at ringe til værkstedet, du kan gå direkte til arbejderens pårørende.
Fremskridtet er nået til det punkt, hvor robotten kan se alt og give et piskeslag til enhver, der overtræder det. For eksempel ved påmindelse via SMS, ved en let afladning af strøm til sirenen, ved vibration, ved et grimt knirken, ved et glimt af skarpt lys eller blot ved at fortælle det til lederen.
Specifikt:
- Det er meget nemt at genkende folk uden hjelm. Selv skaldede. Hvis vi så en person uden hjelm, blev der straks sendt en alarm til operatøren eller værkstedslederen.
- Det samme gælder beskyttelsesbriller og handsker i farlige industrier, bælteseler (selv om vi kun kigger på karabinhage indtil videre), refleksveste, åndedrætsværn, hårhætter og andre personlige værnemidler. Nu er systemet trænet til at genkende 20 typer Sizov.
- Du kan nøjagtigt tælle personerne på webstedet og tage højde for, hvornår og hvor mange af dem var der.
- Du kan slå alarm, når en person kommer ind i en farlig zone, og denne zone kan konfigureres ud fra, at maskinerne starter og stopper.
Og så videre. Det enkleste eksempel er farvedifferentieringen af murere og betonstøbere baseret på farven på deres hjelm. For at hjælpe robotten. At leve i et samfund uden farvedifferentiering er trods alt at have noget formål.
Hvordan de stjæler på en byggeplads
En type almindeligt tyveri er, når en entreprenør lovede at bringe 100 arbejdere til stedet, men faktisk bragte 40-45. Og huset bliver bygget og bygget. Stadig, ingen kan tælle dem nøjagtigt i virkeligheden. Som i den berømte vittighed: Hvis en bjørn slår sig ned på en byggeplads og spiser mennesker, vil ingen bemærke det. Ligeledes har totalentreprenøren ingen mulighed for at kontrollere mandskaberne. Mere præcist, selvom du bruger ACS, vil han stadig blive bedraget, .
Normalt er der ingen adgangskontrolsystemer på byggepladser, eller de er kun ved indgangen.
Vi gik for at udveksle erfaringer med højt udviklede civilisationer og så, at hver profession (mere præcist, rolle) har sin egen hjelmfarve. Her lægger murerne murstenene - de har blå hjelme, støberne hælder betonen - de har grønne, alle mulige smarte mennesker går rundt - de har gule, så du skal lave "ku" to gange foran dem. Og så videre.
Og alt dette er nødvendigt for meget nemt at opdage hver enkelt rolle. Anlægget har flere dusin ret billige kameraer, der producerer noget i retning af 320x200 i farver. Arbejderne tælles af deres hjelme i realtid, og hvert kamera tildeles en bestemt byggeplads. Som et resultat, i slutningen af dagen, er alt dette syet sammen i analyser for at registrere tidsplaner efter zone: hvem arbejdede, i hvilken mængde og i hvilket område.
Generelt har vi taget erfaringer. Kun mens vi så nøje på det, trådte neurale netværk langt frem, og mange nye detektorer dukkede op. For bare et par år siden var de ret lunefulde og ustabile, men nu giver de dig mulighed for meget præcist at fange de mest interessante situationer. Ikke mindst på grund af behandlingshastigheden laver detektorer ofte fejl på individuelle billeder, men på en videostream med mindre vinkelændringer får vi et glimrende praktisk resultat.
Hvad hvis jeg sætter den anden hjelm på mit bælte?
Først lærte vi, at en arbejder kunne få to hårde hatte og sætte en af dem på sin numse. Vi har nu to detektorer på én gang: søgning efter et skelet og bestemmelse af en farveplet, der passer til toppunktet på dette skelet, og søgning efter objekter, der bevæger sig synkront. Den anden metode viste sig at være lettere at opdage: for eksempel bliver en person med en hjelm på numsen næsten aldrig inspiceret af denne hjelm. For for at gøre dette skal du dreje dit hoved. Og denne bevægelse er meget let opdaget. Mere præcist ved vi ikke, hvad der faktisk er opdaget der (det er et neuralt netværk), men det lærte meget hurtigt og fanger krænkere, kan man sige, ved deres gang.
Vi bygger en model af en person.
Så bygger vi simpelthen et varmekort i realtid og rapporterer sidst på dagen.
Ved at bruge samme princip - ved at træne et neuralt netværk - kan følgende let detekteres:
- Hjelme.
- Badekåber.
- Veste.
- Støvler.
- Klæbende hår.
- Sikkerhedskarabinhager.
- Åndedrætsværn.
- Beskyttelsesbriller.
- Bære en jakke korrekt (vigtigt for elektrisk udstyr: det kan forårsage stød i maskinrummet ved produktionen).
- Flytning af store instrumenter uden for perimeteren.
I alt er 29 detektorer allerede blevet testet. Den eneste pointe er, at da vi arbejder i farlige industrier som kemi eller minedrift, er der krav til handsketyperne. For eksempel lang og kort. I dette tilfælde skal de have forskellige farver: det er meget svært at bestemme længden under ærmet ved hjælp af et videokamera.
Men her var der ofte tilfælde af rotter. Vi har ikke en separat rottedetektor, men vi har en detektor til genstande, der forstyrrer maskinens drift:
Hvad bliver der ellers opdaget?
Vi har testet detektorer i kemiske anlæg, i mineindustrien, i den nukleare industri og på byggepladser. Det viste sig, at man med en lille indsats kan løse flere krav, som tidligere blev løst af de samme bedstemødre, og man forsøger forbløffende at se noget i billedet gennem dårlig opløsning og dårlig billedhastighed. Specifikt:
- Da vi stadig bygger en skeletmodel af hver arbejder, kan fald detekteres. Hvis den falder, kan du straks stoppe maskinen ved siden af, som den er placeret (i pilotimplementeringer var der ingen sådan integration, der var simpelthen alarmer). Nå, det er hvis du har IoT.
- Selvfølgelig at være i farlige områder. Det er meget nemt, meget præcist og meget nyttigt for alle. I metallurgiske virksomheder arbejder folk ved siden af kar af kogende stål; det er nyttigt at hærde stål, men nogle gange er det farligt at stå lidt på den forkerte side. Under hensyntagen til betjeningen af forskellige komponenter og udstyr, kan du ændre disse farlige zoner, sæt en tidsplan for dem og så videre.
- En anden meget nyttig detektor om tilstedeværelsen af PPE overvåger medarbejdernes ansvar og kontrollerer, at de ikke er i fare. Her griber bedstemoderen regnskabsopgaven meget ansvarligt an og bærer alle de personlige værnemidler, der kræves til hende. Prisværdigt!
Det var meget nemt at implementere adfærdskontrol – uanset om medarbejderen sov eller ej. Mens vi testede alt dette, udviklede reglerne sig fra "Der skal være en person i en grøn hjelm i dette område" til "I dette område skal en person i en grøn hjelm bevæge sig." Indtil videre har der kun været én smart fyr, der fandt ud af chippen og tændte blæseren, men også dette viste sig at være nemt at rette.
Det var meget vigtigt for kemikere at registrere alle former for damp- og røgstråler. I olieindustrien - integriteten af rør. Brand er generelt en standarddetektor. Der er også kontrol af lukkede luger.
Glemte ting opdages på samme måde. Vi testede dette på en af stationerne for et par år siden, der giver det næsten ingen mening på grund af det store antal arrangementer. Men på fabrikker, især kemiske, er det meget praktisk at overvåge ting i et rent område.
Interessant nok kan vi læse aflæsningerne af enheder i kameraområdet direkte fra videoanalyse. Dette er relevant for de samme kemikere, hvis produktionskomplekser har en høj fareklasse. Enhver ændring, såsom udskiftning af en sensor, betyder en re-koordinering af projektet. Det er langt, dyrt og smertefuldt. Mere præcist er det LANGT, DYRT og SMERTELIGT. Derfor vil Internet of Things komme sent for dem. Nu vil de have videoovervågning på målere og aflæse data, hurtigt reagere på dem og reducere tab som følge af uventet og ubemærket udstyrsfejl. Baseret på aktuelle målerdata kan du bygge en digital tvilling af virksomheden, implementere forudsigelig vedligeholdelse og reparation, men det er en helt anden historie... Vi har allerede kontrollen: Vi skriver nu proaktive analyser baseret på helheden af data. Og separat - et forudsigelsesmodul til batteriudskiftning.
En anden utrolig ting - det viste sig, at i kornmagasiner og i opbevaring af materialer som knust sten kan du skyde en bunke fra 3-4 vinkler og bestemme dens kanter. Og efter at have bestemt kanterne, giv mængden af korn eller materiale med en fejl på op til 1%.
Den sidste detektor, vi skrev om, var at overvåge førertræthed, såsom "nikke", gabe og blinkefrekvens. Dette er til HD-kameraer, hvor øjnene er synlige. Mest sandsynligt vil det blive installeret i kontrolrum. Men det største behov er BelAZ og KamAZ lastbiler til stenbrud. Nogle gange falder biler dernede, så nu på minepladsen er de tvunget til at finde på noget for at styre chaufføren. Robotten er bedre end bedstemor.
Om biler. For eksempel bruges emnet træthedskontrol aktivt af bilproducenter, ikke kun BelAZ, KamAZ og andre MAZ-køretøjer. Producenterne er allerede i gang med at bygge førertræthedsadvarselssystemer ind i almindelige almindelige biler, men indtil videre har de ret simple løsninger, der kun analyserer bilens position i forhold til markeringerne og karakteren af ratbevægelsen. Vi gik videre og opdagede menneskelig adfærd, som er meget mere kompleks.
Et andet tilfælde af førerovervågning er påvisning af forkert adfærd ved brug af delebilsmaskiner. Du kan ikke tale i telefon uden håndfri, spise, drikke, ryge og meget mere.
Åh, og en sidste ting. Vi har i flere år nu kunnet spore en genstand mellem kameraer – når der for eksempel er blevet stjålet noget, skal man tjekke hvilken vej og hvordan. Hvis der er 100 kameraer på anlægget, så vil du være udmattet af at løfte materialet. Og så vil systemet automatisk generere en actionmættet thriller om Ocean og hans venner.
Hvad er forskellen fra systemet for to år siden? Nu er dette ikke bare genkendelse som "en skaldet mand i en orange jakke forlod en celle og kom næsten straks ind i en anden", men der bygges en matematisk model af rummet, og ud fra den bygges hypoteser om objektets bevægelse. Det vil sige, at alt dette begyndte at virke i områder med overlap og steder med blinde pletter, nogle gange omfattende. Og detektorerne er nu meget bedre, fordi der er biblioteker, der bestemmer alder for ansigt. På HD-kameraer kan du indstille orienteringer som "en 30-årig mand med en 35-årig kvinde."
Så måske om 5-7 år afslutter vi produktionen og tager hjem til dig. For en sikkerheds skyld. Det er i din egen interesse, borger!
RЎSЃS <P "RєRё
- Min mail - [e-mail beskyttet]
Kilde: www.habr.com