Ein Kollege ohne Helm, der andere ohne Handschuhe.
In den Betrieben gibt es viele weniger gute Kameras, in deren quadratischen Blickfeldern nicht immer die aufmerksamsten älteren Damen schauen. Genauer gesagt, sie gehen dort einfach wegen der Eintönigkeit verrückt und sehen nicht immer die Vorfälle. Dann rufen sie langsam an, und wenn es sich um einen Zugang zu einem Gefahrenbereich handelte, macht es manchmal keinen Sinn, in die Werkstatt zu telefonieren; man kann gleich die Angehörigen des Arbeiters anrufen.
Der Fortschritt hat so weit gereicht, dass Roboter alles sehen und jedem, der gegen die Regeln verstößt, einen Denkzettel geben können. Zum Beispiel durch SMS-Benachrichtigung, leichten Stromstoß am Warngerät, Vibration, unangenehmes Piepsen, einem hellen Lichtblitz oder einfach durch eine Mitteilung an den Vorgesetzten.
Konkret:
- Es ist sehr einfach, Personen ohne Helm zu erkennen. Sogar Glatzköpfe. Wenn man eine Person ohne Helm sieht, sofort Alarm an den Operator oder den Abteilungsleiter.
- Das Gleiche gilt für Schutzbrillen und Handschuhe in gefährlichen Betrieben, die Sicherheitsausrüstung am Gürtel (allerdings schauen wir vorerst nur auf den Karabiner), reflektierende Westen, Atemschutzmasken, Haarnetze und andere persönliche Schutzausrüstungen. Das System ist mittlerweile darauf trainiert, 20 Arten von persönlicher Schutzausrüstung zu erkennen.
- Es ist möglich, die Anzahl der Personen auf der Baustelle genau zu zählen und zu verfolgen, wann und wie viele dort waren.
- Es kann ein Alarm ausgelöst werden, wenn jemand in eine Gefahrenzone eintritt, wobei diese Zone nach dem Start oder Stopp von Maschinen konfiguriert werden kann.
Und so weiter. Ein einfaches Beispiel ist die farbliche Unterscheidung zwischen Ziegellegern und Betonierern durch die Farbe des Helms. Zur Unterstützung des Roboters. Schließlich bedeutet das Leben in einer Gesellschaft ohne Farbunterscheidung, kein Ziel zu haben.
Wie auf Baustellen gestohlen wird
Eine gängige Art des Diebstahls besteht darin, dass ein Auftragnehmer verspricht, 100 Arbeiter auf die Baustelle zu bringen, tatsächlich aber nur 40–45 mitbringt. Das Gebäude wird trotzdem weitergebaut, und niemand kann sie genau zählen. Wie in dem berühmten Witz: Wenn ein Bär auf der Baustelle wohnt und die Leute frisst, wird es niemand bemerken. So hat der Hauptauftragnehmer keine Möglichkeit, die Teams zu kontrollieren. Selbst wenn er Zugangskontrollsysteme (SKUD) verwendet, wird er immer noch getäuscht. .
Normalerweise gibt es auf Baustellen keine SKUDs oder sie sind nur am Eingang.
Wir haben Erfahrungen mit hochentwickelten Zivilisationen ausgetauscht und gesehen, dass jede Berufsgruppe (genauer gesagt, Rolle) ihre eigene Farbe für den Helm hat. Die Mauerer haben blaue Helme, die Betonierer tragen grüne, und die Klugscheißer in der Nähe haben gelbe Helme, weshalb man vor ihnen zwei Mal "ku" machen muss. Und so weiter.
Das Ganze ist notwendig, um jede Rolle sehr leicht zu erkennen. Auf der Baustelle befinden sich mehrere Dutzend recht günstige Kameras, die etwa 320x200 in Farbe liefern. Die Arbeiter werden in Echtzeit anhand ihrer Helme gezählt, und jeder Kamera ist ein bestimmter Baustellenbereich zugeordnet. Am Ende des Tages wird alles in der Analyse zu einem Zeitplan nach Zonen zusammengeführt: wer, in welcher Anzahl und in welchem Bereich gearbeitet hat.
Insgesamt haben wir viel gelernt. Während wir uns daran gewöhnten, haben sich die neuronalen Netze jedoch rasant weiterentwickelt und es sind viele neue Detektoren hinzugekommen. Vor einigen Jahren waren sie noch recht launisch und instabil, doch inzwischen ermöglichen sie eine sehr präzise Erfassung der interessantesten Situationen. Nicht zuletzt aufgrund der Verarbeitungsgeschwindigkeit machen die Detektoren oft Fehler bei einzelnen Bildern, aber bei einem Video-Stream mit geringfügigen Perspektivänderungen erzielen wir großartige praktische Ergebnisse.
Und was passiert, wenn ich einen zweiten Helm an meinen Gürtel hänge?
Zuerst haben wir herausgefunden, dass ein Arbeiter zwei Helme tragen kann, von denen einer auf dem Rücken sitzt. Dabei haben wir gleich zwei Detektoren entwickelt: einen zur Erkennung von Skeletten und einen zur Überprüfung der Farbkonturen auf Übereinstimmung mit dem Skelett sowie zur Erkennung synchron bewegender Objekte. Bei letzterem stellte sich heraus, dass es einfacher ist: Zum Beispiel schaut eine Person mit einem Helm auf dem Rücken fast nie mit diesem Helm um, denn dafür müsste sie ihren Kopf drehen. Und diese Bewegung wird sehr leicht erkannt. Genauer gesagt, wir wissen nicht genau, was genau dort erkannt wird (es ist schließlich ein neuronales Netzwerk), aber es hat sehr schnell gelernt und fängt die Regelbrecher praktisch schon anhand ihres Gehstyles.
Wir erstellen ein Modell des Menschen.
Danach erstellen wir einfach eine Heatmap in Echtzeit und Berichte am Ende des Tages.
Dementsprechend werden nach demselben Prinzip – dem Training des neuronalen Netzwerks – leicht erkannt:
- Helme.
- Kittel.
- Weste.
- Stiefel.
- Herausragende Haare.
- Sicherheitskarabiner.
- Atemschutzmasken.
- Schutzbrillen.
- Korrektes Tragen der Jacke (wichtig für elektrische Geräte: kann im Maschinenraum während der Produktion gefährlich werden).
- Das Herausnehmen großer Werkzeuge aus dem Perimeter.
Insgesamt haben wir bereits 29 Detektoren getestet. Ein Punkt ist jedoch kritisch: Da wir in gefährlichen Produktionsbereichen wie der Chemie oder dem Bergbau tätig sind, gibt es spezielle Anforderungen an die Handschuhtypen. Zum Beispiel lange und kurze. In diesem Fall müssen sie unterschiedliche Farben haben, da es sehr schwierig ist, die Länge unter dem Ärmel mit einer Kamera zu bestimmen.
Hier gab es häufig Alarmmeldungen wegen Ratten. Ein separater Rattendetektor ist uns nicht bekannt, aber wir haben einen Detektor für Objekte, die die Maschinenarbeit stören:
Was wird noch detektiert?
Wir haben Detektoren in der Chemieindustrie, im Bergbau, im Atomsektor und auf Baustellen getestet. Es stellte sich heraus, dass mit geringem Aufwand noch mehrere Anforderungen erfüllt werden können, die zuvor von den gleichen Personen gelöst wurden, die verzweifelt versucht haben, etwas auf einem Bild mit schlechter Auflösung und niedriger Bildrate zu erkennen. Konkret:
- Da wir ohnehin ein Skelettmodell jedes Arbeiters erstellen, können wir Stürze erkennen. Bei einem Sturz kann die Maschine sofort gestoppt werden, in der Nähe welcher sie sich befindet (in den Pilot-Implementierungen gab es keine solche Integration, es gab nur Alarme). Das geht natürlich nur, wenn Sie über IoT verfügen.
- Natürlich, es gibt gefährliche Bereiche. Das Erkennen ist sehr einfach, äußerst präzise und für alle sehr nützlich. In metallurgischen Betrieben arbeiten Menschen neben Töpfen mit kochendem Stahl. Das Härten von Stahl ist wichtig, aber manchmal ist es gefährlich, sich nicht auf der richtigen Seite zu befinden. Berücksichtigt man die verschiedenen Maschinen und Anlagen, können diese Gefahrenzonen flexibel angepasst, zeitlich eingeplant werden und so weiter.
- Ein weiterer sehr nützlicher Detektor für persönliche Schutzausrüstung überwacht die Verantwortung der Mitarbeiter und stellt sicher, dass sie nicht gefährdet sind. Hier geht die ältere Dame sehr verantwortungsvoll mit der Aufgabe um, die ihr zustehende Schutzausrüstung zu tragen. Lobenswert!
Die Kontrolle des Verhaltens wurde sehr einfach umgesetzt - speziell, ob ein Mitarbeiter schläft oder nicht. Während wir all dies testeten, entwickelten sich die Regeln von "In diesem Bereich muss eine Person mit einem grünen Helm sein" zu "In diesem Bereich muss sich eine Person mit einem grünen Helm bewegen". Bisher gab es nur einen Schlaumeier, der das Spiel durchschaut hat und den Ventilator eingeschaltet hat, aber auch das ließ sich leicht beheben.
Für Chemiker ist es von großer Wichtigkeit, verschiedene Dampfwolken und Rauch zu erfassen. In der Ölindustrie geht es um die Integrität von Rohren. Feuer ist eigentlich ein Standarddetektor. Zudem gibt es die Überprüfung von geschlossenen Luken.
Genauso werden vergessene Gegenstände erkannt. Wir haben das vor ein paar Jahren an einem der Bahnhöfe getestet, wo es aufgrund der Vielzahl an Ereignissen kaum sinnvoll war. In der Produktion, besonders in der Chemie, ist es jedoch sehr praktisch, die Objekte im Reinraum zu überwachen.
Es ist interessant, dass wir direkt aus der Videoanalyse die Messwerte im Kamerabereich auslesen können. Dies ist besonders relevant für Chemiker, deren Produktionsanlagen ein hohes Gefahrenpotenzial aufweisen. Jede Änderung, wie der Austausch eines Sensors, erfordert eine Neuabstimmung des Projekts. Das ist zeitaufwändig, kostspielig und schmerzhaft. Genauer gesagt: ZEITAUFWÄNDIG, KOSTSPIELIG und SCHMERZHAFT. Daher wird das Internet der Dinge in diesen Bereichen spät eintreffen. Derzeit wünschen sie sich Videoüberwachung an den Zählern, um Daten in Echtzeit zu erfassen, schnell zu reagieren und Verluste durch unerwartete und unbemerkte Ausfälle von Geräten zu minimieren. Auf Basis der aktuellen Zählerdaten kann ein digitales Abbild des Unternehmens erstellt und prädiktive Instandhaltung implementiert werden, aber das ist eine ganz andere Geschichte... Die Kontrolle ist bereits vorhanden: Wir erstellen nun proaktive Analysen basierend auf der Gesamtheit der Daten. Und separat dazu – ein Modul zur Vorhersage des Batteriewechsels.
Eine weitere erstaunliche Sache ist, dass es möglich ist, in Getreidesilos und in Lagerräumen für Materialien wie Schotter mit 3–4 Perspektiven einen Haufen zu fotografieren und dessen Ränder zu bestimmen. Nachdem die Ränder bestimmt wurden, kann das Volumen des Getreides oder Materials mit einer Abweichung von bis zu 1 % angegeben werden.
Der letzte Detektor, an dem wir gearbeitet haben, ist ein Müdigkeitskontrollsystem für Fahrer, das "Nicken", Gähnen und die Häufigkeit des Blinzelns erkennt. Dies ist für HD-Kameras gedacht, die die Augen sichtbar machen. Wahrscheinlich wird es in Dispositionsbüros installiert. Die größte Nachfrage besteht jedoch bei BelAZ- und KamAZ-LKWs für den Bergbau. Dort fallen manchmal Fahrzeuge um, daher wird jetzt in der Gewinnung Druck aufgebaut, um etwas zu entwickeln, das den Fahrer überwacht. Ein Roboter ist besser als die Großmutter.
Zur Fahrzeugtechnologie: Das Thema Müdigkeitskontrolle wird nicht nur von Herstellern von BelAZ-, KamAZ- und anderen MAZ-Fahrzeugen aktiv genutzt. Bereits in herkömmliche Fahrzeuge integrieren die Hersteller Systeme zur Warnung vor Müdigkeit der Fahrer, die jedoch bisher relativ einfache Lösungen sind, die lediglich die Position des Fahrzeugs im Verhältnis zur Straßenmarkierung und das Verhalten des Lenkrads analysieren. Wir sind jedoch weiter gegangen und erkennen das Verhalten des Menschen, was wesentlich komplexer ist.
Ein weiterer Anwendungsfall zur Überwachung des Fahrers ist die Erkennung unangemessenen Verhaltens bei der Nutzung von Carsharing-Fahrzeugen. In diesen Fahrzeugen ist es untersagt, ohne Freisprecheinrichtung zu telefonieren, zu essen, zu trinken, zu rauchen und vieles mehr.
Und das letzte. Seit einigen Jahren können wir die Verfolgung von Objekten zwischen Kameras durchführen – wenn zum Beispiel etwas gestohlen wird, muss man überprüfen, wie und auf welchem Weg es geschehen ist. Wenn auf dem Gelände 100 Kameras installiert sind, kann es mühselig sein, das Material zu sichten. Doch mit dem System entsteht automatisch ein spannender Thriller über Ocean und seine Freunde.
Was unterscheidet sich von dem System vor zwei Jahren? Jetzt geht es nicht mehr nur um die Erkennung wie "der Glatzkopf in der orangefarbenen Jacke hat eine Kamera verlassen und fast sofort eine andere betreten", sondern es wird ein mathematisches Modell des Raums erstellt, und darauf basierend werden Hypothesen über die Bewegung des Objekts aufgestellt. Das bedeutet, dass es nun auch in Bereichen mit Überlappungen und blinden Flecken funktioniert, sogar in großen. Und die Detektoren sind jetzt viel besser, da es Bibliotheken gibt, die das Alter anhand des Gesichts bestimmen. Auf HD-Kameras kann man Orientierungen wie "Mann, 30 Jahre alt, mit Frau, 35 Jahre alt" einstellen.
Es ist also möglich, dass wir in 5 bis 7 Jahren die Produktionen einstellen und zu Ihnen nach Hause kommen. Zur Sicherheit. Es liegt in Ihrem Interesse, Bürger!
Links
- Meine E-Mail — tpavlova@croc.ru
Quelle: habr.com
