Un camarade est sans casque, le second est sans gants.
En production, il existe de nombreux appareils photo pas très bons, dans lesquels ne regardent pas les grands-mères les plus attentives. Plus précisément, ils y deviennent tout simplement fous de monotonie et ne voient pas toujours d'incidents. Ensuite, ils appellent lentement, et si l'on entre dans une zone dangereuse, alors parfois cela ne sert à rien d'appeler l'atelier, on peut s'adresser directement aux proches du travailleur.
Les progrès ont atteint le point où le robot peut tout voir et fouetter quiconque le viole. Par exemple, par un rappel par SMS, par une légère décharge de courant vers la sirène, par une vibration, par un méchant grincement, par un éclair de lumière vive, ou simplement en avertissant le responsable.
Plus précisément:
- Il est très facile de reconnaître les personnes sans casque. Même les chauves. Si nous apercevions une personne sans casque, une alerte immédiate était envoyée à l'opérateur ou au chef d'atelier.
- Il en va de même pour les lunettes et gants utilisés dans les industries dangereuses, les harnais de ceinture (même si nous ne nous intéressons qu'au mousqueton pour l'instant), les gilets réfléchissants, les respirateurs, les bonnets capillaires et autres EPI. Le système est désormais formé pour reconnaître 20 types de Sizov.
- Vous pouvez compter avec précision les personnes présentes sur le site et prendre en compte quand et combien d'entre elles étaient présentes.
- Vous pouvez déclencher une alarme lorsqu'une personne entre dans une zone dangereuse, et cette zone peut être configurée en fonction du démarrage et de l'arrêt des machines.
Et ainsi de suite. L’exemple le plus simple est la différenciation des couleurs des maçons et des bétonneurs en fonction de la couleur de leur casque. Pour aider le robot. Après tout, vivre dans une société sans différenciation de couleur, c’est n’avoir aucun but.
Comment ils volent sur un chantier de construction
Un type de vol courant se produit lorsqu'un entrepreneur a promis d'amener 100 travailleurs sur le chantier, mais en a en fait amené 40 à 45. Et la maison se construit et se construit. Pourtant, personne ne peut les compter avec précision. Comme dans la célèbre blague : si un ours s'installe sur un chantier de construction et mange des gens, personne ne le remarquera. De même, l’entrepreneur général n’a aucun moyen de contrôler les équipages. Plus précisément, même si vous utilisez ACS, il sera toujours trompé, .
Il n’y a généralement pas de système de contrôle d’accès sur les chantiers de construction ou bien ils se trouvent uniquement à l’entrée.
Nous sommes allés échanger des expériences avec des civilisations très développées et avons vu que chaque métier (plus précisément rôle) avait sa propre couleur de casque. Ici, les maçons posent les briques - ils ont des casques bleus, les coulageurs coulent le béton - ils en ont des verts, toutes sortes de gens intelligents se promènent - ils ont des jaunes, donc il faut faire « ku » deux fois devant eux. Et ainsi de suite.
Et tout cela est nécessaire pour détecter très facilement chaque rôle. L'installation dispose de plusieurs dizaines de caméras assez bon marché qui produisent quelque chose comme 320 x 200 en couleur. Les ouvriers sont comptés en temps réel à l'aide de leurs casques et un chantier spécifique est attribué à chaque caméra. En fin de compte, tout cela est intégré dans des analyses pour enregistrer les plannings par zone : qui a travaillé, en quelle quantité et dans quelle zone.
En général, nous avons adopté l'expérience. Ce n’est que pendant que nous l’observions de près que les réseaux neuronaux ont fait un grand pas en avant et que de nombreux nouveaux détecteurs sont apparus. Il y a quelques années à peine, ils étaient assez capricieux et instables, mais ils permettent désormais de saisir très précisément les situations les plus intéressantes. Notamment en raison de la vitesse de traitement, les détecteurs font souvent des erreurs sur des images individuelles, mais sur un flux vidéo avec des changements d'angle mineurs, nous obtenons un excellent résultat pratique.
Et si je mets le deuxième casque à ma ceinture ?
Nous avons d’abord appris qu’un travailleur pouvait se procurer deux casques de sécurité et en mettre un sur ses fesses. Nous disposons désormais de deux détecteurs à la fois : rechercher un squelette et déterminer une tache de couleur correspondant au sommet de ce squelette, et rechercher des objets se déplaçant de manière synchrone. La deuxième méthode s'est avérée plus facile à détecter : par exemple, une personne avec un casque sur les fesses n'est quasiment jamais inspectée par ce casque. Parce que pour ce faire, vous devez tourner la tête. Et ce mouvement est très facilement détecté. Plus précisément, nous ne savons pas exactement ce qui y est réellement détecté (c'est un réseau de neurones), mais il a appris très vite et attrape les contrevenants, pourrait-on dire, par leur démarche.
Nous construisons un modèle de personne.
Ensuite, nous construisons simplement une carte thermique en temps réel et des rapports en fin de journée.
Ainsi, en utilisant le même principe - en entraînant un réseau de neurones - les éléments suivants sont facilement détectés :
- Casques.
- Peignoirs.
- Gilets.
- Bottes
- Cheveux qui collent.
- Mousquetons de sécurité.
- Respirateurs.
- Lunettes de protection.
- Porter correctement une veste (important pour les équipements électriques : elle peut provoquer un choc dans la salle des machines en production).
- Déplacer les gros instruments en dehors du périmètre.
Au total, 29 détecteurs ont déjà été testés. Le seul point est que puisque nous travaillons dans des industries dangereuses comme la chimie ou les mines, il existe des exigences concernant les types de gants. Par exemple, long et court. Dans ce cas, ils doivent être de couleurs différentes : il est très difficile de déterminer la longueur sous la manche à l'aide d'une caméra vidéo.
Mais ici, il y avait souvent des cas de rats. Nous n'avons pas de détecteur de rats séparé, mais nous disposons d'un détecteur d'objets qui gênent le fonctionnement de la machine :
Qu'est-ce qui est détecté d'autre ?
Nous avons testé des détecteurs dans des usines chimiques, dans l'industrie minière, dans l'industrie nucléaire et sur des chantiers de construction. Il s'est avéré qu'avec un peu d'effort, vous pouvez résoudre plusieurs autres exigences qui étaient auparavant résolues par les mêmes grand-mères, essayant étonnamment de voir quelque chose dans l'image en raison d'une mauvaise résolution et d'une mauvaise fréquence d'images. Spécifiquement:
- Puisque nous sommes encore en train de construire un modèle squelettique de chaque travailleur, les chutes peuvent être détectées. S'il tombe, vous pouvez immédiatement arrêter la machine à côté de laquelle il se trouve (dans les implémentations pilotes, une telle intégration n'existait pas, il y avait simplement des alarmes). Eh bien, c'est si vous avez l'IoT.
- Bien sûr, être dans des zones dangereuses. C'est très simple, très précis et très utile à tout le monde. Dans les entreprises métallurgiques, les gens travaillent à côté de cuves d'acier bouillantes, il est utile de durcir l'acier, mais il est parfois dangereux de se tenir un peu du mauvais côté. Compte tenu du fonctionnement des différents composants et équipements, vous pouvez modifier ces dangereux zones, définissez un horaire pour celles-ci, etc.
- Un autre détecteur très utile de présence d'EPI surveille la responsabilité des salariés et vérifie qu'ils ne sont pas en danger. Ici, la grand-mère aborde la tâche comptable de manière très responsable et porte tous les EPI dont elle a besoin. Louable!
Il était très simple de mettre en œuvre un contrôle du comportement, que l'employé dorme ou non. Pendant que nous testions tout cela, les règles ont évolué de « Il doit y avoir une personne portant un casque vert dans cette zone » à « Dans cette zone, une personne portant un casque vert doit se déplacer ». Jusqu'à présent, il n'y a eu qu'un seul gars intelligent qui a découvert la puce et allumé le ventilateur, mais cela aussi s'est avéré facile à réparer.
Il était très important pour les chimistes d’enregistrer toutes sortes de jets de vapeur et de fumée. Dans l'industrie pétrolière - l'intégrité des canalisations. Le feu est généralement un détecteur standard. Il y a aussi un contrôle des écoutilles fermées.
Les objets oubliés sont détectés de la même manière. Nous avons testé cela dans l'une des stations il y a quelques années, là-bas, cela n'a presque aucun sens en raison du grand nombre d'événements. Mais dans les usines, notamment chimiques, il est très pratique de surveiller les choses dans une zone propre.
Fait intéressant, nous pouvons lire les lectures des appareils dans la zone de la caméra directement à partir de l'analyse vidéo. Ceci est pertinent pour les mêmes chimistes dont les complexes de production ont une classe de danger élevée. Tout changement, comme le remplacement d'un capteur, implique une recoordination du projet. C'est long, coûteux et douloureux. Plus précisément, c'est LONG, CHER et DOULOUREUX. L’Internet des objets arrivera donc en retard pour eux. Ils veulent désormais une surveillance vidéo des compteurs et lire les données, y répondre rapidement et réduire les pertes dues à des pannes d'équipement inattendues et inaperçues. À partir des données des compteurs actuels, vous pouvez construire un jumeau numérique de l'entreprise, mettre en œuvre une maintenance et une réparation prédictives, mais c'est une toute autre histoire... Nous avons déjà le contrôle : nous écrivons désormais des analyses proactives basées sur l'ensemble des données. Et séparément - un module de prédiction de remplacement de batterie.
Une autre chose incroyable - il s'est avéré que dans les greniers et lors du stockage de matériaux tels que la pierre concassée, vous pouvez tirer un tas sous 3 à 4 angles et déterminer ses bords. Et après avoir déterminé les bords, donnez le volume de grain ou de matériau avec une erreur allant jusqu'à 1 %.
Le dernier détecteur dont nous avons parlé surveillait la fatigue du conducteur, comme les « hochements de tête », les bâillements et la fréquence des clignements. Ceci concerne les caméras HD où les yeux sont visibles. Très probablement, il sera installé dans les salles de contrôle. Mais le principal besoin concerne les camions BelAZ et KamAZ pour les carrières. Parfois, des voitures tombent là-bas, alors maintenant, sur le site minier, ils sont obligés de trouver quelque chose pour contrôler le conducteur. Le robot est meilleur que grand-mère.
A propos des voitures. Par exemple, le thème du contrôle de la fatigue est activement utilisé par les constructeurs automobiles non seulement BelAZ, KamAZ et d'autres véhicules MAZ. Les constructeurs intègrent déjà des systèmes d'avertissement de fatigue du conducteur dans les voitures ordinaires, mais jusqu'à présent, ils disposent de solutions assez simples qui analysent uniquement la position de la voiture par rapport aux marquages et à la nature du mouvement du volant. Nous sommes allés plus loin et avons détecté le comportement humain, qui est beaucoup plus complexe.
Un autre cas de surveillance des conducteurs est la détection de comportements incorrects lors de l’utilisation de machines d’autopartage. Vous ne pouvez pas parler au téléphone sans les mains libres, manger, boire, fumer et bien plus encore.
Oh, et une dernière chose. Depuis plusieurs années, nous sommes en mesure de suivre un objet entre les caméras. Lorsque, par exemple, quelque chose a été volé, vous devez vérifier de quelle manière et comment. S'il y a 100 caméras dans l'installation, vous serez alors épuisé à soulever le matériel. Et puis le système générera automatiquement un thriller plein d'action sur Ocean et ses amis.
Quelle est la différence avec le système d’il y a deux ans ? Maintenant, il ne s'agit pas simplement d'une reconnaissance comme «un homme chauve vêtu d'une veste orange a quitté une cellule et est entré presque immédiatement dans une autre», mais un modèle mathématique de la pièce est construit et, sur la base de celui-ci, des hypothèses sur le mouvement de l'objet sont construites. Autrement dit, tout cela a commencé à fonctionner dans des zones de chevauchement et dans des endroits présentant des angles morts, parfois étendus. Et les détecteurs sont désormais bien meilleurs, car il existe des bibliothèques qui déterminent l'âge par visage. Sur les caméras HD, vous pouvez définir des orientations telles que « un homme de 30 ans avec une femme de 35 ans ».
Donc, peut-être que dans 5 à 7 ans, nous terminerons la production et nous rendrons chez vous. Pour la sécurité. C’est dans votre propre intérêt, citoyen !
références
- Mon E-mail - [email protected]
Source: habr.com