Un camarada no tiene casco, el segundo no tiene guantes.
En producción hay muchas cámaras no muy buenas, a las que no miran las abuelas más atentas. Más precisamente, allí simplemente se vuelven locos por la monotonía y no siempre ven incidentes. Luego llaman lentamente, y si se está entrando en una zona peligrosa, a veces no tiene sentido llamar al taller, puedes acudir directamente a los familiares del trabajador.
El progreso ha llegado al punto en que el robot puede verlo todo y azotar a cualquiera que lo viole. Por ejemplo, recordándolo mediante SMS, mediante una ligera descarga de corriente a la sirena, mediante vibración, mediante un chirrido desagradable, mediante un destello de luz brillante o simplemente avisando al gerente.
Específicamente:
- Es muy fácil reconocer a las personas sin casco. Incluso los calvos. Si veíamos a una persona sin casco, se enviaba una alerta inmediata al operador o responsable del taller.
- Lo mismo ocurre con las gafas y guantes en industrias peligrosas, los arneses (aunque por ahora solo nos fijamos en el mosquetón), los chalecos reflectantes, los respiradores, los gorros para el pelo y otros EPI. Ahora el sistema está entrenado para reconocer 20 tipos de Sizov.
- Puede contar con precisión las personas en el sitio y tener en cuenta cuándo y cuántos estaban allí.
- Puede hacer sonar una alarma cuando una persona ingresa a una zona peligrosa, y esta zona se puede configurar en función del hecho de que las máquinas arrancan y se detienen.
Etcétera. El ejemplo más sencillo es la diferenciación cromática de albañiles y vertedores de hormigón en función del color de su casco. Para ayudar al robot. Después de todo, vivir en una sociedad sin diferenciación de color es no tener ningún propósito.
Cómo roban en una obra
Un tipo de robo común es cuando un contratista prometió traer 100 trabajadores al sitio, pero en realidad trajo entre 40 y 45. Y la casa se está construyendo y construyendo. Aún así, nadie puede contarlos con precisión. Como en el famoso chiste: si un oso se instala en una obra y se come a la gente, nadie se dará cuenta. Asimismo, el contratista general no tiene forma de controlar a las cuadrillas. Más precisamente, incluso si usa ACS, seguirá siendo engañado. .
Normalmente no hay sistemas de control de acceso en las obras o sólo están en la entrada.
Fuimos a intercambiar experiencias con civilizaciones altamente desarrolladas y vimos que cada profesión (más precisamente, rol) tiene su propio color de casco. Aquí los albañiles colocan los ladrillos - tienen cascos azules, los vertedores vierten el hormigón - tienen cascos verdes, todo tipo de gente inteligente caminando - tienen cascos amarillos, por lo que hay que hacer "ku" dos veces delante de ellos. Etcétera.
Y todo esto es necesario para detectar muy fácilmente cada rol. La instalación tiene varias docenas de cámaras bastante económicas que producen algo así como 320x200 en color. Los trabajadores son contados en tiempo real por sus cascos y a cada cámara se le asigna una obra específica. Como resultado, al final del día, todo esto se une en análisis para registrar horarios por zona: quién trabajó, en qué cantidad y en qué área.
En general, hemos adoptado la experiencia. Sólo mientras lo mirábamos de cerca, las redes neuronales avanzaron mucho y aparecieron muchos detectores nuevos. Hace apenas unos años eran bastante caprichosos e inestables, pero ahora te permiten captar con mucha precisión las situaciones más interesantes. Entre otras cosas debido a la velocidad de procesamiento, los detectores a menudo cometen errores en fotogramas individuales, pero en una transmisión de vídeo con pequeños cambios de ángulo obtenemos un resultado práctico excelente.
¿Qué pasa si me pongo el segundo casco en el cinturón?
Primero aprendimos que un trabajador podía conseguir dos cascos y ponerse uno de ellos en el trasero. Ahora tenemos dos detectores a la vez: buscar un esqueleto y determinar una mancha de color que coincida con el vértice de este esqueleto, y buscar objetos que se mueven sincrónicamente. El segundo método resultó ser más fácil de detectar: por ejemplo, una persona con un casco en el trasero casi nunca es inspeccionada por este casco. Porque para hacer esto necesitas girar la cabeza. Y este movimiento se detecta muy fácilmente. Más precisamente, no sabemos exactamente qué se detecta allí (es una red neuronal), pero aprendió muy rápidamente y atrapa a los infractores, se podría decir, por su forma de andar.
Estamos construyendo un modelo de persona.
Luego simplemente construimos un mapa de calor en tiempo real y generamos informes al final del día.
En consecuencia, utilizando el mismo principio, entrenando una red neuronal, se detecta fácilmente lo siguiente:
- Cascos.
- Albornoces.
- Chalecos.
- Las botas
- Pelo pegado.
- Mosquetones de seguridad.
- Respiradores.
- Gafas de protección.
- Llevar correctamente la chaqueta (importante para los equipos eléctricos: puede provocar una descarga eléctrica en la sala de máquinas durante la producción).
- Mover instrumentos grandes fuera del perímetro.
En total ya se han probado 29 detectores. El único punto es que, dado que trabajamos en industrias peligrosas como la química o la minería, existen requisitos para los tipos de guantes. Por ejemplo, largo y corto. En este caso, deben ser de diferentes colores: es muy difícil determinar el largo debajo de la manga con una cámara de video.
Pero aquí eran frecuentes los casos de ratas. No disponemos de un detector de ratas aparte, pero sí de un detector de objetos que interfieren en el funcionamiento de la máquina:
¿Qué más se está detectando?
Hemos probado detectores en plantas químicas, en la industria minera, en la industria nuclear y en obras de construcción. Resultó que con un poco de esfuerzo puedes resolver algunos requisitos más que antes resolvían las mismas abuelas, tratando atónitas de ver algo en la imagen a través de mala resolución y baja velocidad de fotogramas. Específicamente:
- Como todavía estamos construyendo un modelo esquelético de cada trabajador, se pueden detectar caídas. Si cae, se puede detener inmediatamente la máquina junto a la cual se encuentra (en las implementaciones piloto no existía tal integración, simplemente había alarmas). Bueno, eso es si tienes IoT.
- Por supuesto, estar en zonas peligrosas. Es muy fácil, muy preciso y muy útil para todos. En las empresas metalúrgicas se trabaja junto a cubas de acero hirviendo, es útil endurecer el acero, pero a veces es peligroso pararse un poco del lado equivocado. Teniendo en cuenta el funcionamiento de diferentes componentes y equipos, se pueden cambiar estos peligrosos zonas, establecer un horario para ellas, etc.
- Otro detector muy útil sobre la presencia de EPIs monitoriza la responsabilidad de los empleados y comprueba que no corren peligro. Aquí la abuela aborda la tarea de contabilidad de manera muy responsable y usa todo el equipo de protección personal que necesita. ¡Recomendable!
Fue muy fácil implementar un control de comportamiento, ya sea que el empleado estuviera durmiendo o no. Mientras probábamos todo esto, las reglas evolucionaron de "Debe haber una persona con un casco verde en esta área" a "En esta área una persona con un casco verde debe moverse". Hasta ahora sólo ha habido un tipo inteligente que descubrió el chip y encendió el ventilador, pero esto también resultó ser fácil de arreglar.
Para los químicos era muy importante registrar todo tipo de chorros de vapor y humo. En la industria petrolera: la integridad de las tuberías. El fuego es generalmente un detector estándar. También se realiza un control de trampillas cerradas.
Las cosas olvidadas se detectan de la misma forma. Esto lo probamos en una de las estaciones hace un par de años, allí casi no tiene sentido debido a la gran cantidad de eventos. Pero en las fábricas, especialmente en las químicas, es muy conveniente controlar las cosas en un área limpia.
Curiosamente, podemos leer las lecturas de los dispositivos en el área de la cámara directamente desde el análisis de vídeo. Esto es relevante para los mismos químicos cuyos complejos de producción tienen una clase de alto riesgo. Cualquier cambio, como por ejemplo la sustitución de un sensor, supone una nueva coordinación del proyecto. Es largo, costoso y doloroso. Más precisamente, es LARGO, CARO y DOLOROSO. Por tanto, el Internet de las Cosas les llegará tarde. Ahora quieren videovigilar los contadores y leer datos, responderles rápidamente y reducir las pérdidas por fallos inesperados e inadvertidos del equipo. Con base en los datos de los medidores actuales, se puede construir un gemelo digital de la empresa, implementar mantenimiento y reparación predictivos, pero esa es una historia completamente diferente... Ya tenemos el control: ahora estamos escribiendo análisis proactivos basados en la totalidad de los datos. Y por separado, un módulo de predicción de reemplazo de batería.
Otra cosa increíble: resultó que en los graneros y en los almacenes de materiales como piedra triturada, se puede perforar una pila desde 3 o 4 ángulos y determinar sus bordes. Y una vez determinadas las aristas, damos el volumen de grano o material con un error de hasta el 1%.
El último detector sobre el que escribimos fue el de monitorear la fatiga del conductor, como la frecuencia de “asentimientos”, bostezos y parpadeos. Esto es para cámaras HD donde los ojos son visibles. Lo más probable es que se instale en salas de control. Pero la principal necesidad son los camiones BelAZ y KamAZ para las canteras. A veces los coches se caen allí, por lo que ahora en la mina se ven obligados a inventar algo para controlar al conductor. El robot es mejor que la abuela.
Sobre coches. Por ejemplo, el tema del control de la fatiga lo utilizan activamente los fabricantes de automóviles, no sólo BelAZ, KamAZ y otros vehículos MAZ. Los fabricantes ya están incorporando sistemas de advertencia de fatiga del conductor en automóviles comunes y corrientes, pero hasta ahora tienen soluciones bastante simples que analizan solo la posición del automóvil en relación con las marcas y la naturaleza del movimiento del volante. Fuimos más allá y detectamos el comportamiento humano, que es mucho más complejo.
Otro caso de vigilancia del conductor es la detección de comportamientos incorrectos al utilizar máquinas de coche compartido. No puedes hablar por teléfono sin las manos libres, comer, beber, fumar y mucho más.
Oh, y una última cosa. Desde hace varios años podemos rastrear un objeto entre cámaras: cuando, por ejemplo, roban algo, es necesario comprobar en qué dirección y cómo. Si hay 100 cámaras en las instalaciones, se cansará de levantar el material. Y luego el sistema generará automáticamente un thriller lleno de acción sobre Ocean y sus amigos.
¿Cuál es la diferencia con el sistema de hace dos años? Ahora bien, esto no es solo un reconocimiento como "un hombre calvo con una chaqueta naranja salió de una celda y casi inmediatamente entró en otra", sino que se construye un modelo matemático de la habitación y, a partir de él, se construyen hipótesis sobre el movimiento del objeto. Es decir, todo esto empezó a funcionar en zonas de superposición y lugares con puntos ciegos, a veces extensos. Y los detectores ahora son mucho mejores, porque hay bibliotecas que determinan la edad por rostro. En las cámaras HD puedes establecer orientaciones como “un hombre de 30 años con una mujer de 35 años”.
Entonces, tal vez en 5-7 años terminemos la producción y vayamos a su casa. Por seguridad. ¡Esto es por tu propio interés, ciudadano!
referencias
- Mi correo - [email protected]
Fuente: habr.com