Az egyik elvtárs sisak nélkül, a másik kesztyű nélkül.
A gyártásban sok nem túl jó kamera van, amelyekbe nem a legfigyelmesebb nagymamák néznek. Pontosabban, egyszerűen megőrülnek ott a monotonitástól, és nem mindig látnak incidenseket. Aztán lassan telefonálnak, és ha veszélyes zónába került volna, akkor néha nincs értelme a műhelyt hívni, egyenesen a dolgozó rokonaihoz lehet menni.
A haladás elérte azt a pontot, ahol a robot mindent lát, és mindenkit üt, aki megszegi. Például SMS-ben emlékeztetve, a sziréna enyhe áramkibocsátásával, rezgéssel, csúnya nyikorogással, erős fény villanásával vagy egyszerűen csak a menedzsernek szólva.
Kimondottan:
- Sisak nélkül nagyon könnyű felismerni az embereket. Még a kopaszok is. Ha bukósisak nélküli személyt láttunk, azonnali riasztást küldtünk az üzemeltetőnek vagy a műhelyvezetőnek.
- Ugyanez vonatkozik a veszélyes iparágakban használt szemüvegekre és kesztyűkre, övhevederekre (bár egyelőre csak a karabinert nézzük), fényvisszaverő mellényekre, légzőkészülékekre, hajsapkákra és egyéb PPE-kre. Most a rendszer 20 típusú Sizov felismerésére van kiképezve.
- Pontosan megszámolhatja a helyszínen tartózkodó embereket, és figyelembe veheti, hogy mikor és hányan voltak ott.
- Ha valaki veszélyes zónába lép, riasztást adhat, és ez a zóna a gépek indulásának és leállásának ténye alapján konfigurálható.
Stb. A legegyszerűbb példa a kőművesek és betonöntők színmegkülönböztetése a sisak színe alapján. Segíteni a robotnak. Végül is egy olyan társadalomban élni, ahol nincs színkülönbség, nincs célja.
Hogyan lopnak egy építkezésen
A gyakori lopások egyik fajtája az, amikor egy vállalkozó 100 munkást ígért a helyszínre, de valójában 40-45 embert hozott. És a ház épül és épül. Ennek ellenére senki sem tudja pontosan megszámolni őket. Mint a híres viccben: ha egy medve letelepszik egy építkezésen és megeszi az embereket, senki sem veszi észre. Hasonlóképpen, a fővállalkozónak nincs módja a legénység irányítására. Pontosabban, még ha használja az ACS-t, akkor is megtévesztik, .
Az építkezéseken általában nincsenek beléptető rendszerek, vagy csak a bejáratnál vannak.
Elmentünk tapasztalatot cserélni magasan fejlett civilizációkkal, és láttuk, hogy minden szakmának (pontosabban szerepnek) megvan a maga sisakszíne. Itt a kőművesek rakják le a téglát - kék sisakjuk van, a kiöntők betonozzák - zöldek, mindenféle okos ember járkál - van sárgája, szóval előttük kétszer kell „ku”-t tenni. Stb.
És minderre az egyes szerepek nagyon könnyű felismeréséhez van szükség. A létesítményben több tucat meglehetősen olcsó kamera található, amelyek valami 320x200-as színes kamerát produkálnak. A munkásokat a sisakjuk valós időben számolja, és minden kamerához egy adott építkezési területet rendelnek. Ennek eredményeként a nap végén mindezt összefűzik az analitikában, hogy rögzítsék a menetrendeket zónánként: ki, milyen mennyiségben és milyen területen dolgozott.
Általában véve átvettük a tapasztalatokat. Csak miközben alaposan megvizsgáltuk, a neurális hálózatok messze előreléptek, és sok új detektor jelent meg. Néhány évvel ezelőtt még meglehetősen szeszélyesek és instabilok voltak, de most lehetővé teszik, hogy nagyon pontosan elkapja a legérdekesebb helyzeteket. Nem utolsósorban a feldolgozási sebesség miatt az egyes képkockákon gyakran hibáznak a detektorok, de egy videofolyamon kisebb szögváltoztatással kiváló gyakorlati eredményt kapunk.
Mi van, ha felteszem a második sisakot az övemre?
Először megtudtuk, hogy egy munkás kaphat két védősisakot, és az egyiket a fenekére teheti. Most egyszerre két detektorunk van: csontváz keresése és színfolt meghatározása ennek a csontváznak a csúcsához, valamint szinkronban mozgó objektumok keresése. A második módszer könnyebben észlelhetőnek bizonyult: például azt, akinek a fenekén sisak van, szinte soha nem vizsgálja meg ez a sisak. Mert ehhez forgatnia kell a fejét. És ez a mozgás nagyon könnyen észlelhető. Pontosabban, nem tudjuk, hogy valójában mit is észlelnek ott (ez egy neurális hálózat), de nagyon gyorsan megtanulta, és elkapja a szabálysértőket, mondhatni, a járásukkal.
Emberi modellt építünk.
Ezután egyszerűen készítünk egy valós idejű hőtérképet, és a nap végén jelentéseket készítünk.
Ennek megfelelően, ugyanezen elv alapján - egy neurális hálózat betanításával - a következők könnyen kimutathatók:
- Sisakok.
- Fürdőköpeny.
- Mellények.
- Csizma.
- Ragasztó haj.
- Biztonsági karabinerek.
- Légzőkészülékek.
- Védőszemüveg.
- A kabát megfelelő viselése (elektromos berendezéseknél fontos: gyártáskor sokkot okozhat a gépteremben).
- Nagy műszerek mozgatása a kerületen kívülre.
Összesen 29 detektort teszteltek már. A lényeg csak az, hogy mivel veszélyes iparágakban dolgozunk, mint például a kémia vagy a bányászat, a kesztyűk típusaira is vannak követelmények. Például hosszú és rövid. Ebben az esetben különböző színűnek kell lenniük: videokamerával nagyon nehéz meghatározni a hüvely alatti hosszt.
De itt gyakran előfordultak patkányok. Külön patkánydetektorunk nincs, de van detektorunk a gép működését zavaró tárgyakra:
Mit észlelnek még?
Teszteltük a detektorokat vegyi üzemekben, bányászatban, nukleáris iparban és építkezéseken. Kiderült, hogy kis ráfordítással több olyan követelményt is meg lehet oldani, amelyeket korábban ugyanazok a nagymamák oldottak meg, döbbenten próbálva látni valamit a képen a rossz felbontáson és a gyenge képkockasebességen keresztül. Kimondottan:
- Mivel még mindig készítünk minden dolgozóról egy vázmodellt, az esések kimutathatók. Ha leesik, azonnal leállíthatja a gépet, amely mellett található (pilot implementációkban nem volt ilyen integráció, egyszerűen riasztások voltak). Nos, ha van IoT.
- Természetesen veszélyes területeken. Nagyon egyszerű, nagyon pontos és nagyon hasznos mindenki számára. A kohászati vállalkozásoknál a forró acéltartályok mellett dolgoznak az emberek, hasznos az acél edzése, de néha veszélyes egy kicsit rossz oldalon állni. A különböző alkatrészek, berendezések működését figyelembe véve megváltoztathatja ezeket a veszélyes anyagokat. zónákat, ütemezést állítson be nekik, és így tovább.
- Egy másik nagyon hasznos érzékelő az egyéni védőeszközök jelenlétéről figyeli az alkalmazottak felelősségét, és ellenőrzi, hogy nincsenek-e veszélyben. Itt a nagymama nagyon felelősségteljesen közelíti meg a könyvelési feladatot, és minden számára szükséges PPE-t visel. Dicséretes!
Nagyon könnyű volt bevezetni a viselkedés-ellenőrzést – akár alszik az alkalmazott, akár nem. Miközben mindezt teszteltük, a szabályok az „Ebben a területen kell lennie egy zöld sisakos embernek”-ről „Ezen a területen egy zöld sisakos embernek mozognia kell”-re fejlődött. Eddig csak egy okos srác volt, aki kitalálta a chipet és bekapcsolta a ventilátort, de ez is könnyen megoldhatónak bizonyult.
A vegyészek számára nagyon fontos volt, hogy mindenféle gőz- és füstsugarat rögzítsenek. Az olajiparban - a csövek integritása. A tűz általában egy szabványos érzékelő. A zárt nyílások ellenőrzésére is sor kerül.
Az elfelejtett dolgokat ugyanúgy észlelik. Ezt teszteltük az egyik állomáson pár éve, ott szinte semmi értelme a sok rendezvény miatt. De a gyárakban, különösen a vegyi üzemekben, nagyon kényelmes a tiszta területen figyelni a dolgokat.
Érdekes módon közvetlenül a videóelemzésből olvashatjuk le a kamera területén lévő eszközök leolvasását. Ez ugyanazokra a vegyészekre vonatkozik, akiknek gyártási komplexumai magas veszélyességi osztályúak. Bármilyen változtatás, például egy érzékelő cseréje, a projekt újrakoordinációját jelenti. Hosszú, drága és fájdalmas. Pontosabban HOSSZÚ, DRÁGA és FÁJDALMAS. Ezért a tárgyak internete későn fog megjelenni számukra. Most videós megfigyelést akarnak a mérőórákon és leolvasni az adatokat, gyorsan reagálni rájuk, és csökkenteni a váratlan és észrevétlen berendezések meghibásodásából adódó veszteségeket. A jelenlegi mérőadatok alapján megépítheti a vállalkozás digitális ikertestvérét, végrehajthat prediktív karbantartást és javítást, de ez egy teljesen más történet... Már megvan az irányítás: most az adatok összessége alapján proaktív elemzéseket írunk. És külön - egy akkumulátorcsere előrejelző modul.
Egy másik hihetetlen dolog - kiderült, hogy a magtárban és az olyan anyagok tárolásában, mint a zúzott kő, 3-4 szögből lőhet egy halmot, és meghatározhatja a széleit. És miután meghatározta az éleket, adja meg a szemcse vagy az anyag térfogatát legfeljebb 1% hibával.
A legutóbbi detektor, amiről írtunk, a vezető fáradtságát figyelte, mint például a „bólogatást”, az ásítást és a pislogás gyakoriságát. Ez olyan HD kamerákra vonatkozik, ahol a szem látható. Valószínűleg a vezérlő helyiségekben lesz telepítve. De a fő igény a BelAZ és a KamAZ teherautókra van a kőbányák számára. Néha autók zuhannak le ott, így most a bányatelepen kénytelenek kitalálni valamit, hogy irányítsák a sofőrt. A robot jobb, mint a nagymama.
Az autókról. Például a fáradtság ellenőrzésének témáját az autógyártók aktívan használják, nemcsak a BelAZ, a KamAZ és más MAZ járművek. A gyártók már építenek vezetői fáradtságra figyelmeztető rendszereket a hétköznapi hétköznapi autókba, de eddig meglehetősen egyszerű megoldásaik vannak, amelyek csak az autó helyzetét a jelölésekhez viszonyítva és a kormány mozgásának jellegét elemzik. Tovább mentünk, és észleltük az emberi viselkedést, ami sokkal összetettebb.
A járművezetői megfigyelés másik esete az autómegosztó gépek használatakor tapasztalt helytelen viselkedés észlelése. Nem tud telefonon beszélni kihangosító nélkül, enni, inni, dohányozni és még sok minden mást.
Ó, és még egy utolsó dolog. Már több éve képesek vagyunk kamerák között követni egy tárgyat – ha például elloptak valamit, akkor ellenőrizni kell, merre és hogyan. Ha 100 kamera van a létesítményben, akkor kimerül az anyag felemelése. Ezután a rendszer automatikusan generál egy akciódús thrillert Oceanról és barátairól.
Mi a különbség a két évvel ezelőtti rendszerhez képest? Ez most nem csak olyan felismerés, hogy „egy narancskabátos kopasz férfi elhagyta az egyik cellát, és szinte azonnal belépett a másikba”, hanem a szoba matematikai modellje épül fel, és ez alapján hipotéziseket állítanak fel a tárgy mozgásáról. Vagyis mindez olyan területeken kezdett működni, ahol átfedések és holt foltok találhatók, néha kiterjedt. És a detektorok most sokkal jobbak, mert vannak olyan könyvtárak, amelyek arc alapján határozzák meg az életkort. A HD kamerákon beállíthat olyan tájolást, mint például „30 éves férfi 35 éves nővel”.
Tehát talán 5-7 év múlva befejezzük a gyártást, és otthonába megyünk. A biztonság érdekében. Ez a saját érdeked, polgár!
referenciák
- Levelem - [e-mail védett]
Forrás: will.com