Ein Kamerad ist ohne Helm, der zweite ohne Handschuhe.
In der Produktion gibt es viele nicht sehr gute Kameras, in die nicht die aufmerksamsten Großmütter schauen. Genauer gesagt, sie werden dort einfach verrückt vor der Monotonie und sehen nicht immer Vorfälle. Dann rufen sie langsam an, und wenn es sich um eine gefährliche Zone handelt, macht es manchmal keinen Sinn, die Werkstatt anzurufen, sondern kann direkt zu den Verwandten des Arbeiters gehen.
Der Fortschritt hat den Punkt erreicht, an dem der Roboter alles sehen und jedem einen Schlag versetzen kann, der gegen ihn verstößt. Zum Beispiel durch eine Erinnerung per SMS, durch eine leichte Stromabgabe an die Sirene, durch Vibration, durch ein fieses Quietschen, durch einen hellen Lichtblitz oder einfach durch eine Mitteilung an den Manager.
Speziell:
- Es ist sehr einfach, Menschen ohne Helm zu erkennen. Sogar Glatzköpfige. Wenn wir eine Person ohne Helm sahen, wurde sofort eine Warnung an den Bediener oder Werkstattleiter gesendet.
- Das Gleiche gilt für Schutzbrillen und Handschuhe in gefährlichen Industrien, Gürtelgurte (obwohl wir uns vorerst nur mit dem Karabiner befassen), Warnwesten, Atemschutzmasken, Haarkappen und andere Schutzausrüstung. Jetzt ist das System darauf trainiert, 20 Sizov-Typen zu erkennen.
- Sie können die Personen vor Ort genau zählen und berücksichtigen, wann und wie viele von ihnen dort waren.
- Sie können einen Alarm ertönen lassen, wenn eine Person einen Gefahrenbereich betritt, und dieser Bereich kann auf der Grundlage der Tatsache konfiguriert werden, dass die Maschinen starten und stoppen.
Usw. Das einfachste Beispiel ist die farbliche Unterscheidung von Maurern und Betongießern anhand der Farbe ihres Helms. Um dem Roboter zu helfen. Schließlich bedeutet das Leben in einer Gesellschaft ohne Farbdifferenzierung, dass man keinen Sinn hat.
Wie sie auf einer Baustelle stehlen
Eine typische Art von Diebstahl ist, wenn ein Auftragnehmer versprach, 100 Arbeiter auf die Baustelle zu bringen, tatsächlich aber 40–45 mitbrachte. Und das Haus wird gebaut und gebaut. Dennoch kann niemand sie tatsächlich genau zählen. Wie im berühmten Witz: Wenn sich ein Bär auf einer Baustelle niederlässt und Menschen frisst, wird es niemandem auffallen. Ebenso hat der Generalunternehmer keine Möglichkeit, die Mannschaften zu kontrollieren. Genauer gesagt, selbst wenn Sie ACS verwenden, wird er dennoch getäuscht. .
In der Regel gibt es auf Baustellen keine Zugangskontrollsysteme oder diese befinden sich nur am Eingang.
Wir haben Erfahrungen mit hochentwickelten Zivilisationen ausgetauscht und festgestellt, dass jeder Beruf (genauer gesagt jede Rolle) seine eigene Helmfarbe hat. Hier legen die Maurer die Ziegel – sie haben blaue Helme, die Gießer gießen den Beton – sie haben grüne, alle möglichen klugen Leute laufen herum – sie haben gelbe, also muss man vor ihnen zweimal „ku“ machen. Usw.
Und all dies ist erforderlich, um jede Rolle sehr einfach zu erkennen. Es gibt mehrere Dutzend recht günstige Kameras vor Ort, die etwa 320 x 200 in Farbe erzeugen. Die Arbeiter werden anhand ihrer Helme in Echtzeit gezählt und jeder Kamera ist eine bestimmte Baustelle zugeordnet. Letztendlich wird all dies in Analysen zusammengefügt, um Zeitpläne nach Zone aufzuzeichnen: Wer hat in welcher Menge und in welchem Bereich gearbeitet?
Im Allgemeinen haben wir Erfahrungen übernommen. Erst als wir es genau betrachteten, machten neuronale Netze große Fortschritte und viele neue Detektoren erschienen. Waren sie vor ein paar Jahren noch recht launisch und instabil, ermöglichen sie es heute, die interessantesten Situationen sehr genau einzufangen. Nicht zuletzt aufgrund der Verarbeitungsgeschwindigkeit machen Detektoren bei einzelnen Frames häufig Fehler, bei einem Videostream mit geringfügigen Winkeländerungen erhalten wir jedoch ein hervorragendes Praxisergebnis.
Was passiert, wenn ich den zweiten Helm an meinen Gürtel hänge?
Zuerst erfuhren wir, dass ein Arbeiter zwei Schutzhelme nehmen und sich einen davon auf den Hintern setzen konnte. Wir haben jetzt zwei Detektoren gleichzeitig: die Suche nach einem Skelett und die Bestimmung eines Farbflecks, der zum Scheitelpunkt dieses Skeletts passt, und die Suche nach sich synchron bewegenden Objekten. Die zweite Methode erwies sich als einfacher zu erkennen: Beispielsweise wird eine Person mit einem Helm auf dem Hintern fast nie von diesem Helm inspiziert. Denn dazu müssen Sie Ihren Kopf drehen. Und diese Bewegung ist sehr leicht zu erkennen. Genauer gesagt wissen wir nicht, was genau dort erkannt wird (es ist ein neuronales Netzwerk), aber es lernte sehr schnell und fängt Verstöße sozusagen anhand ihres Gangs ein.
Wir bauen ein Modell einer Person.
Dann erstellen wir einfach in Echtzeit eine Heatmap und berichten am Ende des Tages.
Dementsprechend lässt sich mit dem gleichen Prinzip – durch Training eines neuronalen Netzwerks – Folgendes leicht erkennen:
- Helme.
- Bademäntel.
- Westen.
- Stiefel.
- Anstehende Haare.
- Sicherheitskarabiner.
- Atemschutzmasken.
- Schutzbrille.
- Richtiges Tragen einer Jacke (wichtig bei elektrischen Geräten: Bei der Produktion kann es zu einem Schlag im Maschinenraum kommen).
- Bewegen großer Instrumente außerhalb des Perimeters.
Insgesamt wurden bereits 29 Detektoren getestet. Der einzige Punkt ist, dass es Anforderungen an die Art der Handschuhe gibt, da wir in gefährlichen Branchen wie der Chemie oder dem Bergbau arbeiten. Zum Beispiel lang und kurz. In diesem Fall müssen sie unterschiedliche Farben haben: Mit einer Videokamera ist es sehr schwierig, die Länge unter dem Ärmel zu bestimmen.
Aber hier kam es häufig zu Rattenfällen. Wir haben keinen separaten Rattendetektor, aber einen Detektor für Objekte, die den Betrieb der Maschine stören:
Was wird sonst noch erkannt?
Wir haben Detektoren in Chemieanlagen, im Bergbau, in der Nuklearindustrie und auf Baustellen getestet. Es stellte sich heraus, dass man mit ein wenig Aufwand mehrere weitere Anforderungen lösen kann, die zuvor von denselben Großmüttern gelöst wurden, die verblüfft versuchten, durch schlechte Auflösung und schlechte Bildrate etwas im Bild zu erkennen. Speziell:
- Da wir immer noch ein Skelettmodell jedes Arbeiters erstellen, können Stürze erkannt werden. Wenn es herunterfällt, können Sie die Maschine, neben der es steht, sofort stoppen (in Pilotimplementierungen gab es keine solche Integration, es gab lediglich Alarme). Nun, das ist, wenn Sie IoT haben.
- Natürlich, wenn man sich in gefährlichen Gegenden aufhält. Es ist sehr einfach, sehr genau und für jeden sehr nützlich. In metallurgischen Betrieben arbeiten Menschen neben Kesseln mit kochendem Stahl; es ist nützlich, Stahl zu härten, aber manchmal ist es gefährlich, ein wenig auf der falschen Seite zu stehen. Unter Berücksichtigung der Funktionsweise verschiedener Komponenten und Geräte können diese gefährlich verändert werden Zonen festlegen, einen Zeitplan für sie festlegen usw.
- Ein weiterer sehr nützlicher Detektor für das Vorhandensein von PSA überwacht die Verantwortung der Mitarbeiter und prüft, dass keine Gefahr für sie besteht. Hier geht die Großmutter sehr verantwortungsvoll mit der Buchhaltung um und trägt die gesamte für sie erforderliche PSA. Lobenswert!
Es war sehr einfach, eine Verhaltenskontrolle umzusetzen – unabhängig davon, ob der Mitarbeiter schlief oder nicht. Während wir das alles testeten, entwickelten sich die Regeln von „In diesem Bereich muss sich eine Person mit grünem Helm aufhalten“ zu „In diesem Bereich muss sich eine Person mit grünem Helm bewegen.“ Bisher gab es nur einen klugen Kerl, der den Chip herausgefunden und den Lüfter eingeschaltet hat, aber auch das ließ sich leicht reparieren.
Für Chemiker war es sehr wichtig, alle Arten von Dampf- und Rauchstrahlen aufzuzeichnen. In der Ölindustrie – die Unversehrtheit von Rohren. Feuer ist im Allgemeinen ein Standarddetektor. Es erfolgt auch eine Kontrolle geschlossener Luken.
Vergessene Dinge werden auf die gleiche Weise erkannt. Wir haben das vor ein paar Jahren an einer der Stationen getestet, dort macht es aufgrund der Vielzahl an Veranstaltungen fast keinen Sinn. Aber in Fabriken, insbesondere in Chemiefabriken, ist es sehr praktisch, die Dinge in einem sauberen Bereich zu überwachen.
Interessanterweise können wir die Messwerte von Geräten im Kamerabereich direkt aus der Videoanalyse ablesen. Dies gilt für dieselben Chemiker, deren Produktionskomplexe eine hohe Gefahrenklasse aufweisen. Jede Änderung, wie zum Beispiel der Austausch eines Sensors, bedeutet eine Neukoordinierung des Projekts. Es ist langwierig, teuer und schmerzhaft. Genauer gesagt ist es LANG, TEUER und SCHMERZLICH. Daher wird das Internet der Dinge für sie zu spät kommen. Jetzt möchten sie die Messgeräte per Video überwachen und Daten auslesen, schnell darauf reagieren und Verluste aufgrund unerwarteter und unbemerkter Geräteausfälle reduzieren. Basierend auf aktuellen Zählerdaten können Sie einen digitalen Zwilling des Unternehmens erstellen und vorausschauende Wartung und Reparatur implementieren, aber das ist eine ganz andere Geschichte ... Wir haben bereits die Kontrolle: Wir schreiben jetzt proaktive Analysen basierend auf der Gesamtheit der Daten. Und separat – ein Modul zur Vorhersage des Batteriewechsels.
Eine weitere unglaubliche Sache: Es stellte sich heraus, dass man in Getreidespeichern und bei der Lagerung von Materialien wie Schotter einen Haufen aus drei bis vier Winkeln anschießen und seine Kanten bestimmen kann. Geben Sie nach der Bestimmung der Kanten das Korn- oder Materialvolumen mit einem Fehler von bis zu 3 % an.
Der letzte Detektor, über den wir geschrieben haben, war die Überwachung der Ermüdung des Fahrers, wie z. B. Nicken, Gähnen und Blinzelfrequenz. Dies gilt für HD-Kameras, bei denen die Augen sichtbar sind. Höchstwahrscheinlich wird es in Kontrollräumen installiert. Der Hauptbedarf besteht jedoch in BelAZ- und KamAZ-Lkw für Steinbrüche. Manchmal fallen dort Autos hin, und jetzt muss man sich am Bergbaustandort etwas einfallen lassen, um den Fahrer zu kontrollieren. Der Roboter ist besser als Oma.
Über Autos. Beispielsweise wird das Thema Ermüdungskontrolle nicht nur von BelAZ-, KamAZ- und anderen MAZ-Fahrzeugen, sondern auch von Automobilherstellern aktiv genutzt. Hersteller bauen bereits Systeme zur Warnung vor Ermüdung des Fahrers in gewöhnliche Autos ein, aber bisher verfügen sie über recht einfache Lösungen, die nur die Position des Autos relativ zu den Markierungen und die Art der Lenkradbewegung analysieren. Wir gingen noch einen Schritt weiter und erkannten menschliches Verhalten, das viel komplexer ist.
Ein weiterer Fall der Fahrerüberwachung ist die Erkennung von Fehlverhalten bei der Nutzung von Carsharing-Geräten. Ohne Freisprechfunktion kann man nicht telefonieren, essen, trinken, rauchen und vieles mehr.
Oh, und noch eine letzte Sache. Seit einigen Jahren können wir ein Objekt zwischen Kameras verfolgen – wenn beispielsweise etwas gestohlen wurde, muss überprüft werden, auf welche Weise und wie. Wenn es in der Anlage 100 Kameras gibt, ist es für Sie erschöpfend, das Material zu heben. Und dann generiert das System automatisch einen actiongeladenen Thriller über Ocean und seine Freunde.
Was ist der Unterschied zum System vor zwei Jahren? Dies ist nun nicht nur eine Erkennung wie „Ein kahlköpfiger Mann in einer orangefarbenen Jacke verließ eine Zelle und betrat fast sofort eine andere“, sondern es wird ein mathematisches Modell des Raums erstellt und darauf basierend Hypothesen über die Bewegung des Objekts aufgestellt. Das heißt, all dies begann in Bereichen mit Überschneidungen und Orten mit toten Winkeln zu funktionieren, manchmal auch mit ausgedehnten. Und die Detektoren sind jetzt viel besser, weil es Bibliotheken gibt, die das Alter anhand des Gesichts bestimmen. Bei HD-Kameras können Sie Ausrichtungen wie „ein 30-jähriger Mann mit einer 35-jährigen Frau“ festlegen.
Vielleicht werden wir in 5-7 Jahren die Produktion beenden und zu Ihnen nach Hause gehen. Zur Sicherheit. Das liegt in Ihrem eigenen Interesse, Bürger!
Referenzen
- Meine Post - [E-Mail geschützt]
Source: habr.com