یک رفیق بدون کلاه ایمنی است، دومی بدون دستکش.
در تولید بسیاری از دوربین های نه چندان خوب وجود دارد که مراقب ترین مادربزرگ ها به آنها نگاه نمی کنند. به عبارت دقیق تر، آنها به سادگی در آنجا از یکنواختی دیوانه می شوند و همیشه حوادثی را نمی بینند. سپس به آرامی تماس می گیرند و اگر وارد منطقه خطرناکی می شد، گاهی اوقات تماس با کارگاه فایده ای ندارد، می توانید مستقیماً به اقوام کارگر بروید.
پیشرفت به جایی رسیده است که ربات می تواند همه چیز را ببیند و به هر کسی که آن را نقض کند شلاق بزند. به عنوان مثال، با یادآوری از طریق پیامک، با تخلیه نور جریان به آژیر، با لرزش، با صدای جیر جیر تند، با فلاش نور روشن، یا به سادگی با گفتن به مدیر.
به طور مشخص:
- تشخیص افراد بدون کلاه ایمنی بسیار آسان است. حتی کچل ها. در صورت مشاهده فردی بدون کلاه ایمنی، هشدار فوری به اپراتور یا مدیر کارگاه ارسال می شد.
- عینک و دستکش در صنایع خطرناک، تسمه‌بندی (اگرچه در حال حاضر فقط به کارابین نگاه می‌کنیم)، جلیقه‌های بازتابنده، ماسک‌های تنفسی، کلاه‌های مو و سایر تجهیزات حفاظتی نیز صدق می‌کند. اکنون این سیستم برای تشخیص 20 نوع Sizov آموزش دیده است.
- شما می توانید به طور دقیق افراد موجود در سایت را بشمارید و زمان و تعداد آنها را در نظر بگیرید.
- هنگامی که شخصی وارد یک منطقه خطرناک می شود می توانید زنگ خطر را به صدا در آورید و این منطقه را می توان بر اساس این واقعیت که ماشین ها شروع به کار و متوقف می کنند پیکربندی کرد.
و غیره. ساده ترین مثال، تمایز رنگی آجرپزها و بتن ریزان بر اساس رنگ کلاه خود است. برای کمک به ربات به هر حال، زندگی در جامعه ای بدون تفاوت رنگ، بی هدفی است.
چگونه در یک کارگاه ساختمانی دزدی می کنند
یکی از انواع سرقت های رایج زمانی است که یک پیمانکار قول می دهد 100 کارگر را به سایت بیاورد، اما در واقع 40 تا 45 نفر را آورده است. و خانه در حال ساخت و ساز است. با این حال، هیچ کس نمی تواند آنها را به طور دقیق شمارش کند. همانطور که در جوک معروف: اگر یک خرس در یک کارگاه ساختمانی مستقر شود و مردم را بخورد، هیچ کس متوجه نمی شود. به همین ترتیب پیمانکار عمومی هیچ راهی برای کنترل خدمه ها ندارد. به عبارت دقیق تر، حتی اگر از ACS استفاده کنید، او همچنان فریب خواهد خورد. .
معمولاً هیچ سیستم کنترل دسترسی در سایت های ساختمانی وجود ندارد یا فقط در ورودی هستند.
ما به تبادل تجربیات با تمدن های بسیار پیشرفته رفتیم و دیدیم که هر حرفه ای (به طور دقیق تر، نقش) رنگ کلاه خود را دارد. در اینجا آجرکاران آجرها را می‌گذارند - کلاه‌های آبی دارند، ریخته‌کننده‌ها بتن می‌ریزند - آنها سبز هستند، انواع آدم‌های باهوشی که در اطراف راه می‌روند - آجرهای زرد دارند، بنابراین شما باید دو بار جلوی آنها "ku" را انجام دهید. و غیره.
و همه اینها برای تشخیص آسان هر نقش مورد نیاز است. این مرکز دارای چندین دوربین نسبتاً ارزان است که چیزی در حدود 320x200 رنگی تولید می کنند. کارگران با کلاه خود در زمان واقعی شمارش می شوند و یک سایت ساخت و ساز مشخص به هر دوربین اختصاص داده می شود. در نتیجه، در پایان روز، همه اینها در تجزیه و تحلیل به هم متصل می شوند تا برنامه ها را بر اساس منطقه ثبت کنند: چه کسی، در چه مقدار و در چه منطقه ای کار کرده است.
به طور کلی، ما تجربه ای را اتخاذ کرده ایم. تنها زمانی که ما از نزدیک به آن نگاه می‌کردیم، شبکه‌های عصبی بسیار جلو رفتند و آشکارسازهای جدید زیادی ظاهر شدند. فقط چند سال پیش آنها کاملاً دمدمی مزاج و بی ثبات بودند ، اما اکنون به شما امکان می دهند با دقت بسیار جالب ترین موقعیت ها را بگیرید. نه کم‌کم به دلیل سرعت پردازش، آشکارسازها اغلب در فریم‌های جداگانه اشتباه می‌کنند، اما در یک جریان ویدیویی با تغییرات جزئی در زاویه، نتیجه عملی عالی به دست می‌آید.
اگر کلاه ایمنی دوم را روی کمربندم بگذارم چه؟
ابتدا فهمیدیم که یک کارگر می تواند دو کلاه سخت بگیرد و یکی از آنها را روی باسن خود بگذارد. ما اکنون دو آشکارساز داریم: جستجوی اسکلت و تعیین نقطه رنگی متناسب با راس این اسکلت و جستجوی اجسام متحرک همزمان. تشخیص روش دوم ساده تر بود: برای مثال، فردی که کلاه ایمنی روی لب به لب دارد تقریباً هرگز توسط این کلاه مورد بازرسی قرار نمی گیرد. زیرا برای این کار باید سر خود را بچرخانید. و این حرکت به راحتی قابل تشخیص است. به‌طور دقیق‌تر، ما نمی‌دانیم دقیقاً چه چیزی در آنجا شناسایی می‌شود (این یک شبکه عصبی است)، اما خیلی سریع یاد گرفت و متخلفان را، شاید بتوان گفت، با راه رفتنشان دستگیر می‌کند.
ما در حال ساختن الگوی یک شخص هستیم.
سپس ما به سادگی یک نقشه حرارتی در زمان واقعی ایجاد می کنیم و در پایان روز گزارش می دهیم.
بر این اساس، با استفاده از همین اصل - با آموزش یک شبکه عصبی - موارد زیر به راحتی شناسایی می شوند:
- کلاه کاسکت.
- حمام.
- جلیقه.
- چکمه.
- چسباندن مو.
- کارابین های ایمنی
- دستگاه تنفس
- عینک محافظ
- پوشیدن ژاکت به درستی (برای تجهیزات الکتریکی مهم است: می تواند باعث ایجاد شوک در اتاق ماشین در هنگام تولید شود).
- جابجایی ابزارهای بزرگ در خارج از محیط
در مجموع، 29 آشکارساز قبلا آزمایش شده است. تنها نکته این است که از آنجایی که ما در صنایع خطرناک مانند شیمی یا معدن کار می کنیم، برای انواع دستکش الزاماتی وجود دارد. مثلا بلند و کوتاه. در این مورد، آنها باید رنگ های مختلفی داشته باشند: تعیین طول زیر آستین با استفاده از دوربین فیلمبرداری بسیار دشوار است.
اما در اینجا اغلب موارد موش وجود داشت. ما یک آشکارساز موش جداگانه نداریم، اما برای اجسامی که در عملکرد دستگاه اختلال ایجاد می کنند، یک آشکارساز داریم:
چه چیز دیگری در حال شناسایی است؟
ما آشکارسازها را در کارخانه های شیمیایی، در صنعت معدن، در صنعت هسته ای و در سایت های ساختمانی آزمایش کرده ایم. معلوم شد که با کمی تلاش می‌توانید چندین مورد نیاز دیگر را که قبلاً توسط همان مادربزرگ‌ها حل شده بود، حل کنید، و به طور حیرت‌انگیز سعی می‌کردند چیزی را در تصویر از طریق وضوح ضعیف و نرخ فریم ضعیف ببینند. به طور مشخص:
- از آنجایی که ما هنوز در حال ساخت یک مدل اسکلتی از هر کارگر هستیم، سقوط قابل تشخیص است. اگر سقوط کرد، می توانید بلافاصله دستگاهی را که در کنار آن قرار دارد متوقف کنید (در اجرای آزمایشی چنین ادغامی وجود نداشت، فقط زنگ هشدار وجود داشت). خوب، اگر اینترنت اشیا دارید.
- البته قرار گرفتن در مناطق خطرناک. این بسیار آسان، بسیار دقیق و برای همه بسیار مفید است. در شرکت های متالورژی، افراد در کنار قوطی های فولادی در حال جوش کار می کنند؛ سخت شدن فولاد مفید است، اما گاهی اوقات کمی در سمت اشتباه ایستادن خطرناک است. با در نظر گرفتن عملکرد اجزا و تجهیزات مختلف، می توانید این خطرناک را تغییر دهید. مناطق، یک برنامه زمانی برای آنها تنظیم کنید، و غیره.
- یک ردیاب بسیار مفید دیگر در مورد وجود PPE مسئولیت کارمندان را کنترل می کند و بررسی می کند که در خطر نیستند. در اینجا مادربزرگ بسیار مسئولانه به کار حسابداری می پردازد و تمام تجهیزات حفاظتی مورد نیاز خود را می پوشد. ستودنی!
اجرای کنترل رفتار بسیار آسان بود - چه کارمند خواب باشد یا نه. در حالی که ما در حال آزمایش همه اینها بودیم، قوانین از "باید یک نفر با کلاه سبز در این منطقه وجود داشته باشد" به "در این منطقه فردی با کلاه سبز باید حرکت کند." تا کنون فقط یک مرد باهوش بوده است که تراشه را کشف کرده و فن را روشن کرده است، اما این نیز به راحتی قابل تعمیر است.
ثبت انواع فواره های بخار و دود برای شیمیدانان بسیار مهم بود. در صنعت نفت - یکپارچگی لوله ها. آتش به طور کلی یک آشکارساز استاندارد است. دریچه های بسته نیز بررسی می شود.
چیزهای فراموش شده به همین ترتیب شناسایی می شوند. ما این را چند سال پیش در یکی از ایستگاه ها آزمایش کردیم، در آنجا به دلیل تعداد زیاد رویدادها تقریباً معنی ندارد. اما در کارخانه ها، به ویژه کارخانه های شیمیایی، نظارت بر چیزها در یک منطقه تمیز بسیار راحت است.
جالب اینجاست که می‌توانیم قرائت دستگاه‌های موجود در ناحیه دوربین را مستقیماً از تجزیه و تحلیل ویدیویی بخوانیم. این برای همان شیمیدانانی که مجتمع های تولیدی آنها دارای کلاس خطر بالایی هستند، مرتبط است. هر تغییری مانند تعویض سنسور به معنای هماهنگی مجدد پروژه است. طولانی، گران و دردناک است. به طور دقیق تر، طولانی، گران و دردناک است. بنابراین، اینترنت اشیا برای آنها دیر خواهد آمد. اکنون آنها خواهان نظارت تصویری بر روی متر و خواندن داده ها هستند، به سرعت به آنها پاسخ می دهند و تلفات ناشی از خرابی غیرمنتظره و غیر قابل توجه تجهیزات را کاهش می دهند. بر اساس داده‌های کنتور کنونی، می‌توانید یک دوقلوی دیجیتالی شرکت بسازید، تعمیر و نگهداری و تعمیرات پیش‌بینی‌کننده را پیاده‌سازی کنید، اما این یک داستان کاملاً متفاوت است... ما از قبل کنترل داریم: اکنون در حال نوشتن تجزیه و تحلیل‌های فعال بر اساس کل داده‌ها هستیم. و به طور جداگانه - یک ماژول پیش بینی تعویض باتری.
یکی دیگر از چیزهای باورنکردنی - معلوم شد که در انبارها و در انبار موادی مانند سنگ خرد شده، می توانید یک شمع را از 3-4 زاویه شلیک کنید و لبه های آن را تعیین کنید. و با تعیین لبه ها، حجم دانه یا مواد را با خطای تا 1٪ بدهید.
آخرین ردیاب‌ای که درباره آن نوشتیم، نظارت بر خستگی راننده، مانند «تکان دادن سر»، خمیازه کشیدن و دفعات پلک زدن بود. این برای دوربین های HD است که در آن چشم ها قابل مشاهده است. به احتمال زیاد در اتاق های کنترل نصب خواهد شد. اما نیاز اصلی به کامیون های BelAZ و KamAZ برای معادن است. گاهی اوقات اتومبیل ها در آنجا سقوط می کنند ، بنابراین اکنون در سایت معدن مجبور می شوند چیزی برای کنترل راننده بیاورند. ربات بهتر از مادربزرگ است.
در مورد ماشین ها به عنوان مثال، موضوع کنترل خستگی به طور فعال توسط خودروسازان نه تنها BelAZ، KamAZ و سایر وسایل نقلیه MAZ استفاده می شود. سازندگان در حال حاضر سیستم‌های هشدار خستگی راننده را در خودروهای معمولی می‌سازند، اما تاکنون راه‌حل‌های نسبتاً ساده‌ای دارند که تنها موقعیت خودرو را نسبت به علامت‌ها و ماهیت حرکت فرمان تحلیل می‌کند. ما فراتر رفتیم و رفتار انسان را تشخیص دادیم که بسیار پیچیده‌تر است.
یکی دیگر از موارد نظارت راننده، تشخیص رفتار نادرست هنگام استفاده از ماشین های اشتراک گذاری خودرو است. شما نمی توانید بدون دست آزاد با تلفن صحبت کنید، بخورید، بنوشید، سیگار بکشید و خیلی چیزهای دیگر.
اه، و آخرین مورد. چندین سال است که ما می‌توانیم یک شی را بین دوربین‌ها ردیابی کنیم - مثلاً وقتی چیزی دزدیده شد، باید بررسی کنید که از کجا و چگونه. اگر 100 دوربین در این مرکز وجود داشته باشد، پس از بلند کردن مواد خسته خواهید شد. و سپس سیستم به طور خودکار یک هیجان انگیز اکشن در مورد اوشن و دوستانش تولید می کند.
چه تفاوتی با سیستم دو سال پیش دارد؟ اکنون این فقط تشخیصی نیست مانند "مردی کچل با ژاکت نارنجی از یک سلول خارج شد و تقریباً بلافاصله وارد سلول دیگری شد"، بلکه یک مدل ریاضی از اتاق ساخته شده است و بر اساس آن فرضیه هایی در مورد حرکت جسم ساخته می شود. یعنی همه اینها در مناطقی با همپوشانی و مکان هایی با نقاط کور، گاهی اوقات گسترده، شروع به کار کرد. و آشکارسازها اکنون بسیار بهتر هستند، زیرا کتابخانه‌هایی وجود دارند که سن را به صورت چهره تعیین می‌کنند. در دوربین‌های HD می‌توانید جهت‌گیری‌هایی مانند «یک مرد 30 ساله با یک زن 35 ساله» تنظیم کنید.
بنابراین، شاید 5-7 سال دیگر تولید را تمام کنیم و به خانه شما برویم. برای ایمنی. این به نفع خود شماست، شهروند!
مراجع
- نامه من - [ایمیل محافظت شده]
منبع: www.habr.com