Satu kawan tanpa helm, satu lagi tanpa sarung tangan.
Dalam produksi ada banyak kamera yang tidak terlalu bagus, yang tidak dilihat oleh nenek yang paling perhatian. Lebih tepatnya, mereka menjadi gila di sana karena monoton dan tidak selalu melihat kejadian. Lalu mereka menelpon pelan-pelan, dan kalau sudah masuk zona berbahaya, kadang tidak ada gunanya menelpon bengkel, bisa langsung ke kerabat pekerja.
Kemajuan telah mencapai titik di mana robot dapat melihat segala sesuatu dan memberikan hukuman cambuk kepada siapa pun yang melanggarnya. Misalnya dengan mengingatkan melalui SMS, dengan sedikit mengalirkan arus ke sirene, dengan getaran, dengan bunyi mencicit yang tidak menyenangkan, dengan kilatan cahaya terang, atau cukup dengan memberitahukan kepada pengelola.
Secara khusus:
- Sangat mudah untuk mengenali orang tanpa helm. Bahkan yang botak sekalipun. Jika kita melihat ada orang yang tidak memakai helm, peringatan langsung dikirimkan ke operator atau pengelola bengkel.
- Hal yang sama berlaku untuk kacamata dan sarung tangan di industri berbahaya, sabuk pengaman (walaupun saat ini kita hanya melihat carabiner), rompi reflektif, respirator, penutup rambut, dan APD lainnya. Sekarang sistem dilatih untuk mengenali 20 jenis Sizov.
- Anda dapat menghitung secara akurat orang-orang di situs tersebut dan memperhitungkan kapan dan berapa banyak dari mereka yang ada di sana.
- Anda dapat membunyikan alarm ketika seseorang memasuki zona berbahaya, dan zona ini dapat dikonfigurasi berdasarkan fakta bahwa mesin mulai dan berhenti.
Dan seterusnya. Contoh paling sederhana adalah pembedaan warna tukang batu dan penuang beton berdasarkan warna helmnya. Untuk membantu robot. Lagi pula, hidup dalam masyarakat tanpa pembedaan warna berarti tidak punya tujuan.
Bagaimana mereka mencuri di lokasi konstruksi
Salah satu jenis pencurian yang umum terjadi adalah ketika kontraktor berjanji akan membawa 100 pekerja ke lokasi, namun kenyataannya membawa 40β45 pekerja. Dan rumah itu sedang dibangun dan dibangun. Namun, sebenarnya tidak ada yang bisa menghitungnya secara akurat. Seperti dalam lelucon terkenal: jika beruang menetap di lokasi konstruksi dan memakan orang, tidak ada yang akan menyadarinya. Demikian pula, kontraktor umum tidak memiliki cara untuk mengontrol kru. Lebih tepatnya, walaupun pakai ACS, dia tetap akan tertipu, .
Biasanya tidak ada sistem kontrol akses di lokasi konstruksi atau hanya ada di pintu masuk.
Kami bertukar pengalaman dengan peradaban yang sangat maju dan melihat bahwa setiap profesi (lebih tepatnya, peran) memiliki warna helmnya sendiri. Di sini tukang batu meletakkan batu bata - mereka punya helm biru, penuang menuangkan beton - mereka punya yang hijau, segala macam orang pintar berjalan-jalan - mereka punya yang kuning, jadi Anda harus melakukan "ku" dua kali di depan mereka. Dan seterusnya.
Dan semua ini diperlukan untuk mendeteksi setiap peran dengan sangat mudah. Fasilitas ini memiliki beberapa lusin kamera yang cukup murah yang menghasilkan warna sekitar 320x200. Pekerja dihitung berdasarkan helm mereka secara real time, dan lokasi konstruksi tertentu ditetapkan untuk setiap kamera. Hasilnya, pada akhirnya, semua ini disatukan dalam analitik untuk mencatat jadwal berdasarkan zona: siapa yang bekerja, dalam jumlah berapa, dan di area apa.
Secara umum, kami telah mengadopsi pengalaman. Hanya ketika kami mengamatinya lebih dekat, jaringan saraf melangkah maju, dan banyak detektor baru muncul. Beberapa tahun yang lalu mereka cukup berubah-ubah dan tidak stabil, tetapi sekarang mereka memungkinkan Anda menangkap situasi yang paling menarik dengan sangat akurat. Bukan hanya karena kecepatan pemrosesannya, detektor sering kali membuat kesalahan pada masing-masing frame, namun pada streaming video dengan sedikit perubahan sudut, kami mendapatkan hasil praktis yang luar biasa.
Bagaimana jika saya memasang helm kedua di ikat pinggang saya?
Pertama kita mengetahui bahwa seorang pekerja bisa mendapatkan dua topi keras dan menaruh salah satunya di pantatnya. Kami sekarang memiliki dua detektor sekaligus: mencari kerangka dan menentukan titik warna yang cocok dengan bagian atas kerangka ini, dan mencari objek yang bergerak secara sinkron. Cara kedua ternyata lebih mudah dideteksi: misalnya, seseorang yang memakai helm di pantatnya hampir tidak pernah diperiksa oleh helm ini. Karena untuk melakukan ini Anda perlu memutar kepala. Dan pergerakan ini sangat mudah dideteksi. Lebih tepatnya, kita tidak tahu apa sebenarnya yang terdeteksi di sana (ini adalah jaringan saraf), tetapi ia belajar dengan sangat cepat dan menangkap pelanggar, bisa dikatakan, dari gaya berjalannya.
Kami sedang membangun model seseorang.
Kemudian kami cukup membuat peta panas secara real-time dan melaporkannya di penghujung hari.
Oleh karena itu, dengan menggunakan prinsip yang sama - dengan melatih jaringan saraf - hal-hal berikut mudah dideteksi:
- helm.
- Jubah mandi.
- Rompi.
- Sepatu bot.
- Rambut menempel.
- Carabiner pengaman.
- Respirator.
- Kacamata pelindung.
- Mengenakan jaket dengan benar (penting untuk peralatan listrik: dapat menyebabkan sengatan listrik di ruang mesin produksi).
- Memindahkan instrumen besar ke luar batas.
Total, 29 detektor telah diuji. Satu-satunya hal adalah karena kita bekerja di industri berbahaya seperti kimia atau pertambangan, ada persyaratan untuk jenis sarung tangan. Misalnya panjang dan pendek. Dalam hal ini, warnanya harus berbeda: sangat sulit untuk menentukan panjang bagian bawah selongsong menggunakan kamera video.
Namun di sini sering terjadi kasus tikus. Kami tidak memiliki pendeteksi tikus terpisah, namun kami memiliki pendeteksi objek yang mengganggu pengoperasian mesin:
Apa lagi yang terdeteksi?
Kami telah menguji detektor di pabrik kimia, industri pertambangan, industri nuklir, dan lokasi konstruksi. Ternyata dengan sedikit usaha Anda dapat menyelesaikan beberapa persyaratan lagi yang sebelumnya diselesaikan oleh nenek yang sama, dengan terkejut mencoba melihat sesuatu dalam gambar melalui resolusi yang buruk dan kecepatan bingkai yang buruk. Secara khusus:
- Karena kami masih membuat model kerangka setiap pekerja, jatuh dapat dideteksi. Jika terjatuh, Anda dapat segera menghentikan mesin di sebelahnya (dalam implementasi percontohan tidak ada integrasi seperti itu, yang ada hanya alarm). Ya, itu jika Anda memiliki IoT.
- Tentu saja berada di area berbahaya. Ini sangat mudah, sangat akurat dan sangat berguna bagi semua orang. Di perusahaan metalurgi, orang bekerja di dekat tong berisi baja mendidih; mengeraskan baja memang berguna, tetapi terkadang berbahaya jika berdiri sedikit di sisi yang salah. Dengan mempertimbangkan pengoperasian berbagai komponen dan peralatan, Anda dapat mengubah bahaya ini zona, menetapkan jadwalnya, dan sebagainya.
- Detektor lain yang sangat berguna tentang keberadaan APD memantau tanggung jawab karyawan dan memeriksa bahwa mereka tidak dalam bahaya. Di sini sang nenek melakukan tugas akuntansi dengan sangat bertanggung jawab dan mengenakan semua APD yang diperlukan untuknya. Terpuji!
Sangat mudah untuk menerapkan pengendalian perilaku - apakah karyawan tersebut sedang tidur atau tidak. Saat kami menguji semua ini, peraturan berkembang dari βHarus ada orang yang memakai helm hijau di area iniβ menjadi βDi area ini orang yang memakai helm hijau harus bergerak.β Sejauh ini hanya ada satu orang pintar yang menemukan chip tersebut dan menyalakan kipas angin, namun ternyata hal ini juga mudah untuk diperbaiki.
Sangat penting bagi ahli kimia untuk mencatat semua jenis pancaran uap dan asap. Dalam industri minyak - integritas pipa. Kebakaran umumnya merupakan detektor standar. Ada juga pemeriksaan palka tertutup.
Hal-hal yang terlupakan dideteksi dengan cara yang sama. Kami mengujinya di salah satu stasiun beberapa tahun yang lalu, di sana hampir tidak masuk akal karena banyaknya kejadian. Namun di pabrik, terutama pabrik kimia, sangat mudah untuk memantau segala sesuatunya di tempat yang bersih.
Menariknya, kita bisa membaca pembacaan perangkat di area kamera langsung dari video analitik. Hal ini relevan bagi ahli kimia yang kompleks produksinya memiliki kelas bahaya tinggi. Setiap perubahan, seperti penggantian sensor, berarti koordinasi ulang proyek. Itu panjang, mahal dan menyakitkan. Lebih tepatnya PANJANG, MAHAL dan SAKIT. Oleh karena itu, Internet of Things akan datang terlambat bagi mereka. Sekarang mereka menginginkan pengawasan video pada meteran dan membaca data, meresponsnya dengan cepat, dan mengurangi kerugian akibat kegagalan peralatan yang tidak terduga dan tanpa disadari. Berdasarkan data meteran saat ini, Anda dapat membangun kembaran digital perusahaan, menerapkan pemeliharaan dan perbaikan prediktif, tetapi itu adalah cerita yang sama sekali berbeda... Kami sudah memiliki kendali: kami sekarang menulis analisis proaktif berdasarkan totalitas data. Dan secara terpisah - modul prediksi penggantian baterai.
Hal luar biasa lainnya - ternyata di lumbung dan penyimpanan bahan seperti batu pecah, Anda dapat memotret tumpukan dari 3-4 sudut dan menentukan tepinya. Dan setelah menentukan tepinya, berikan volume butiran atau bahan dengan kesalahan hingga 1%.
Detektor terakhir yang kami tulis adalah memantau kelelahan pengemudi, seperti frekuensi βmenganggukβ, menguap, dan berkedip. Ini untuk kamera HD yang matanya terlihat. Kemungkinan besar, itu akan dipasang di ruang kontrol. Namun kebutuhan utama adalah truk BelAZ dan KamAZ untuk tambang. Terkadang mobil terjatuh di sana, sehingga kini di lokasi penambangan mereka terpaksa memikirkan sesuatu untuk mengendalikan pengemudinya. Robot itu lebih baik dari nenek.
Tentang mobil. Misalnya, topik pengendalian kelelahan secara aktif digunakan oleh pembuat mobil tidak hanya BelAZ, KamAZ, dan kendaraan MAZ lainnya. Pabrikan telah membangun sistem peringatan kelelahan pengemudi pada mobil biasa, namun sejauh ini mereka memiliki solusi yang cukup sederhana yang hanya menganalisis posisi mobil relatif terhadap tanda dan sifat pergerakan roda kemudi. Kami melangkah lebih jauh dan mendeteksi perilaku manusia, yang jauh lebih kompleks.
Kasus lain dari pengawasan pengemudi adalah pendeteksian perilaku yang salah saat menggunakan mesin car sharing. Anda tidak dapat berbicara di telepon tanpa handsfree, makan, minum, merokok, dan banyak lagi.
Oh, dan satu hal lagi. Selama beberapa tahun sekarang kami telah dapat melacak suatu objek di antara kamera - ketika, misalnya, ada sesuatu yang dicuri, Anda perlu memeriksa ke arah mana dan bagaimana. Jika di fasilitas tersebut terdapat 100 kamera, maka Anda akan kelelahan dalam mengangkat material. Dan kemudian sistem akan secara otomatis menghasilkan film thriller penuh aksi tentang Ocean dan teman-temannya.
Apa bedanya dengan sistem dua tahun lalu? Sekarang ini bukan sekedar pengakuan seperti βseorang pria botak berjaket oranye meninggalkan satu sel dan segera memasuki sel lainnya,β tetapi model matematis ruangan tersebut dibangun, dan berdasarkan itu, hipotesis tentang pergerakan suatu benda dibangun. Artinya, semua ini mulai bekerja di area yang tumpang tindih dan tempat-tempat dengan titik buta, terkadang luas. Dan pendeteksinya sekarang jauh lebih baik, karena ada perpustakaan yang menentukan usia berdasarkan wajah. Pada kamera HD, Anda dapat mengatur orientasi seperti βpria berusia 30 tahun dengan wanita berusia 35 tahunβ.
Jadi, mungkin dalam 5-7 tahun kami akan menyelesaikan produksinya dan berangkat ke rumah Anda. Untuk keamanan. Ini demi kepentingan Anda sendiri, warga negara!
referensi
- surat saya - [email dilindungi]
Sumber: www.habr.com