Un compañeiro está sen casco, o segundo sen luvas.
Na produción hai moitas cámaras non moi boas, ás que non miran as avoas máis atentas. Máis precisamente, simplemente tolean alí pola monotonía e non sempre ven incidentes. Entón chaman lentamente, e se estaba entrando nunha zona perigosa, ás veces non ten sentido chamar ao taller, pode dirixirse directamente aos familiares do traballador.
O progreso chegou ao punto no que o robot pode velo todo e dar un latigazo a quen o viole. Por exemplo, recordando por SMS, por unha lixeira descarga de corrente á sirena, por vibración, por un chirrido desagradable, por un destello de luz brillante ou simplemente dicíndolle ao xestor.
En concreto:
- É moi doado recoñecer persoas sen casco. Mesmo os calvos. Se vimos unha persoa sen casco, enviábase unha alerta inmediata ao operario ou xefe do taller.
- O mesmo ocorre coas lentes e luvas nas industrias perigosas, o arnés do cinto (aínda que polo momento só miramos o mosquetón), os chalecos reflectantes, os respiradores, as gorras de pelo e outros EPI. Agora o sistema está adestrado para recoñecer 20 tipos de Sizov.
- Podes contar con precisión as persoas no sitio e ter en conta cando e cantas estaban alí.
- Podes facer sonar unha alarma cando unha persoa entra nunha zona perigosa, e esta zona pódese configurar en función do feito de que as máquinas arranquen e paran.
Etcétera. O exemplo máis sinxelo é a diferenciación de cores dos albaneis e dos vertedores de formigón en función da cor do seu casco. Para axudar ao robot. Despois de todo, vivir nunha sociedade sen diferenciación de cores é non ter ningún propósito.
Como rouban nunha obra
Un tipo de roubo común é cando un contratista prometeu traer 100 traballadores ao lugar, pero de feito trouxo 40-45. E a casa estase construíndo e construíndo. Aínda así, ninguén pode contalos con precisión de feito. Como na famosa broma: se un oso se instala nunha obra e come xente, ninguén se dará conta. Así mesmo, o contratista xeral non ten forma de controlar as tripulacións. Máis precisamente, aínda que uses ACS, seguirá sendo enganado, .
Normalmente non hai sistemas de control de acceso nas obras ou só están na entrada.
Fomos intercambiar experiencias con civilizacións moi desenvolvidas e vimos que cada profesión (máis precisamente, rol) ten a súa propia cor de casco. Aquí os albaneis poñen os ladrillos -teñen cascos azuis, os vertedores verten o formigón - teñen os verdes, todo tipo de xente intelixente que anda por aí - teñen os amarelos, así que hai que facer "ku" dúas veces diante deles. Etcétera.
E todo isto é necesario para detectar moi facilmente cada rol. A instalación ten varias ducias de cámaras bastante baratas que producen algo así como 320 x 200 en cor. Os traballadores son contados polos seus cascos en tempo real e a cada cámara asígnaselle unha obra específica. Como resultado, ao final do día, todo isto recóllese en analíticas para rexistrar horarios por zona: quen traballou, en que cantidade e en que área.
En xeral, adoptamos a experiencia. Só mentres o mirabamos de preto, as redes neuronais avanzaron moito e apareceron moitos detectores novos. Hai só uns anos eran bastante caprichosos e inestables, pero agora permítenche captar con moita precisión as situacións máis interesantes. Non menos importante pola velocidade de procesamento, os detectores adoitan cometer erros en cadros individuais, pero nun fluxo de vídeo con pequenos cambios de ángulo obtemos un excelente resultado práctico.
E se me poño o segundo casco no cinto?
Primeiro decatámonos de que un traballador podía conseguir dous cascos e poñerse un deles no traseiro. Agora temos dous detectores á vez: buscar un esqueleto e determinar unha mancha de cor que coincida co vértice deste esqueleto, e buscar obxectos en movemento sincrónico. O segundo método resultou ser máis fácil de detectar: por exemplo, unha persoa cun casco no traseiro case nunca é inspeccionada por este casco. Porque para iso cómpre xirar a cabeza. E este movemento é moi facilmente detectado. Máis precisamente, non sabemos o que se detecta exactamente alí (é unha rede neuronal), pero aprendeu moi rápido e atrapa aos infractores, pódese dicir, polo seu andar.
Estamos construíndo un modelo de persoa.
Despois simplemente construímos un mapa de calor en tempo real e informes ao final do día.
En consecuencia, usando o mesmo principio, adestrando unha rede neuronal, detectáronse facilmente os seguintes:
- Cascos.
- Albornoces.
- Chalecos.
- Botas.
- Pegando cabelo.
- Mosquetóns de seguridade.
- Respiradores.
- Lentes de protección.
- Usar unha chaqueta correctamente (importante para equipos eléctricos: pode provocar unha descarga na sala de máquinas na produción).
- Mover instrumentos grandes fóra do perímetro.
En total, xa se probaron 29 detectores. O único punto é que dado que traballamos en industrias perigosas como a química ou a minería, hai requisitos para os tipos de luvas. Por exemplo, longo e curto. Neste caso, deben ser de cores diferentes: é moi difícil determinar a lonxitude baixo a manga usando unha cámara de vídeo.
Pero aquí houbo moitas veces casos de ratas. Non temos un detector de ratas separado, pero si temos un detector de obxectos que interfiran co funcionamento da máquina:
Que máis se está a detectar?
Probamos detectores en plantas químicas, na industria mineira, na industria nuclear e en obras de construción. Resultou que cun pouco de esforzo podes resolver varios requisitos máis que antes resolvían as mesmas avoas, intentando abraiado ver algo na imaxe a través da mala resolución e a baixa velocidade de fotogramas. En concreto:
- Dado que aínda estamos construíndo un modelo esquelético de cada traballador, pódense detectar caídas. Se cae, pode deter inmediatamente a máquina ao lado da que se atopa (nas implementacións piloto non había tal integración, simplemente había alarmas). Ben, iso é se tes IoT.
- Por suposto, estar en zonas perigosas. É moi sinxelo, moi preciso e moi útil para todos. Nas empresas metalúrxicas, a xente traballa xunto a cubas de aceiro fervendo; é útil endurecer o aceiro, pero ás veces é perigoso estar un pouco no lado equivocado. Tendo en conta o funcionamento de diferentes compoñentes e equipos, pode cambiar estes perigosos. zonas, establecer un horario para elas, etc.
- Outro detector moi útil sobre a presenza de EPI supervisa a responsabilidade dos empregados e verifica que non estean en perigo. Aquí a avoa aborda a tarefa contable con moita responsabilidade e leva todo o EPI que lle esixe. Encomiable!
Foi moi doado implementar o control do comportamento, tanto se o empregado estaba durmindo como non. Mentres estabamos a probar todo isto, as regras evolucionaron de "Nesta zona debe haber unha persoa cun casco verde" a "Nesta área unha persoa cun casco verde debe moverse". Ata agora só houbo un home intelixente que descubriu o chip e acendeu o ventilador, pero isto tamén resultou fácil de arranxar.
Era moi importante para os químicos rexistrar todo tipo de chorros de vapor e fume. Na industria petroleira - a integridade dos tubos. O lume é xeralmente un detector estándar. Tamén hai un control das escotillas pechadas.
As cousas esquecidas detéctanse do mesmo xeito. Probamos isto nunha das estacións hai un par de anos, alí case non ten sentido pola gran cantidade de eventos. Pero nas fábricas, especialmente nas químicas, é moi conveniente supervisar as cousas nunha zona limpa.
Curiosamente, podemos ler as lecturas dos dispositivos na zona da cámara directamente desde a análise de vídeo. Isto é relevante para os mesmos químicos cuxos complexos de produción teñen unha clase de perigo alta. Calquera cambio, como substituír un sensor, supón unha re-coordinación do proxecto. É longo, caro e doloroso. Máis precisamente, é LONGA, CARA e DOLOR. Polo tanto, a Internet das cousas chegará tarde para eles. Agora queren videovixilancia en contadores e ler datos, responderlles rapidamente e reducir as perdas por fallos inesperados e inadvertidos dos equipos. A partir dos datos actuais dos contadores, podes construír un xemelgo dixital da empresa, implementar mantemento e reparación preditivos, pero esa é unha historia completamente diferente... Xa temos o control: agora estamos escribindo análises proactivas baseadas na totalidade dos datos. E por separado: un módulo de predición de substitución da batería.
Outra cousa incrible: resultou que nos hórreos e no almacenamento de materiais como pedra triturada, podes disparar unha pila desde ángulos 3-4 e determinar os seus bordos. E unha vez determinados os bordos, dá o volume de gran ou material cun erro de ata o 1%.
O último detector sobre o que escribimos foi o seguimento da fatiga do condutor, como a frecuencia de "asentir", bostezar e pestanexar. Isto é para cámaras HD onde os ollos son visibles. O máis probable é que se instale en salas de control. Pero a principal necesidade é de camións BelAZ e KamAZ para canteiras. Ás veces, os coches caen alí abaixo, polo que agora no lugar mineiro vense obrigados a buscar algo para controlar o condutor. O robot é mellor que a avoa.
Sobre coches. Por exemplo, o tema do control da fatiga é usado activamente polos fabricantes de automóbiles non só BelAZ, KamAZ e outros vehículos MAZ. Os fabricantes xa están construíndo sistemas de aviso de fatiga do condutor nos coches comúns, pero ata agora teñen solucións bastante sinxelas que analizan só a posición do coche en relación coas marcas e a natureza do movemento do volante. Fomos máis aló e detectamos o comportamento humano, que é moito máis complexo.
Outro caso de vixilancia do condutor é a detección de comportamentos incorrectos ao utilizar máquinas para compartir coche. Non podes falar por teléfono sen mans libres, comer, beber, fumar e moito máis.
Ah, e unha última cousa. Desde hai varios anos puidemos rastrexar un obxecto entre cámaras: cando, por exemplo, se roubou algo, cómpre comprobar de que xeito e como. Se hai 100 cámaras na instalación, estarás esgotado levantando o material. E entón o sistema xerará automaticamente un thriller cheo de acción sobre Ocean e os seus amigos.
Cal é a diferenza co sistema de hai dous anos? Agora non se trata só dun recoñecemento como "un calvo cunha chaqueta laranxa saíu dunha cela e entrou case inmediatamente noutra", senón que se constrúe un modelo matemático da habitación e, en función del, constrúense hipóteses sobre o movemento do obxecto. É dicir, todo isto comezou a funcionar en zonas con solapamento e lugares con puntos cegos, ás veces extensos. E os detectores agora son moito mellores, porque hai bibliotecas que determinan a idade por rostro. Nas cámaras HD podes establecer orientacións como "un home de 30 anos cunha muller de 35".
Entón, quizais en 5-7 anos rematemos a produción e imos á túa casa. Por seguridade. Isto é no teu propio interese, cidadán!
referencias
- O meu correo - [protexido por correo electrónico]
Fonte: www.habr.com