Un compagno - senza casco, l'altro - senza guanti.
Negli stabilimenti ci sono molte telecamere non proprio di qualità, che vengono monitorate da nonni poco attenti. In effetti, si frustrano per la monotonia e non sempre notano gli incidenti. Poi chiamano lentamente, e se si tratta di un ingresso in una zona pericolosa, a volte non ha senso chiamare l'ufficio di produzione, si può contattare direttamente i familiari del lavoratore.
Il progresso è arrivato al punto in cui un robot può vedere tutto e dare una lezione a chiunque trasgredisca. Ad esempio, ricordando tramite SMS, con una leggera scarica elettrica sull'allarme, vibrazioni, un suono fastidioso, un lampo di luce intensa o semplicemente parlando con il supervisore.
In particolare:
- È molto facile riconoscere le persone senza casco. Anche quelle calve. Visto un individuo senza casco, allerta immediatamente l'operatore o il caporeparto.
- Lo stesso vale per occhiali e guanti in ambienti pericolosi, imbracature, (per il momento osserviamo solo il moschettone), giubbotti riflettenti, maschere, copricapi e altri DPI. Attualmente, il sistema è addestrato a riconoscere 20 tipi di DPI.
- È possibile contare con precisione le persone presenti e registrare quando e quante ve ne siano.
- È possibile inviare un allerta quando una persona entra in una zona pericolosa, e questa zona può essere configurata in base all'attivazione o disattivazione delle macchine.
E così via. Il più semplice esempio è la differenziazione cromatica tra i muratori e i betonieri a seconda del colore del casco. Per aiutare il robot. In fondo, vivere in una società priva di differenziazione cromatica significa non avere obiettivi.
Come si ruba in cantiere
Una delle forme comuni di furto è quando un appaltatore promette di portare in cantiere 100 operai, ma alla fine ne porta 40-45. E il cantiere continua a costruire. Nessuno riesce a contarli con precisione. Come nella nota barzelletta: se un orso si stabilisse in cantiere e iniziasse a mangiare persone, nessuno se ne accorgerebbe. Così l'appaltatore principale non ha alcun modo di controllare le squadre. Anzi, anche se viene usata una DAA, sarà comunque ingannato. .
Di solito non ci sono DAA nei cantieri o sono solo all'ingresso.
Siamo andati a scambiare esperienze con civiltà avanzate e abbiamo visto che per ogni professione (o meglio, ruolo) c'è un colore di casco specifico. I muratori hanno caschi blu, i betonieri hanno caschi verdi e quelli che si occupano di varie mansioni hanno caschi gialli, perciò deve esserci una maggiore attenzione nei loro confronti. E così via.
È necessario tutto ciò per rilevare facilmente ogni ruolo. Nel cantiere ci sono diverse decine di telecamere relativamente economiche, che forniscono immagini di circa 320x200 a colori. Gli operai vengono contati in tempo reale grazie ai caschi e ogni telecamera è collegata a una specifica area di lavoro. Di conseguenza, alla fine della giornata, tutte queste informazioni sono integrate nell'analisi dei grafici per le varie aree: chi, in che numero e in quale area ha lavorato.
In generale, abbiamo appreso questa pratica. Solo che mentre lo osservavamo, le reti neurali hanno fatto notevoli progressi e sono emersi molti nuovi sensori. Solo qualche anno fa erano abbastanza capricciose e instabili, mentre ora consentono di catturare con grande precisione le situazioni più interessanti. Anche a causa della velocità di elaborazione, i sensori a volte fanno errori su singoli fotogrammi, mentre sul flusso video con piccole variazioni di angolazione otteniamo risultati pratici eccellenti.
E se indossassi un secondo casco in vita?
Inizialmente abbiamo scoperto che un lavoratore può ricevere due caschi e metterne uno sulla schiena. Abbiamo immediatamente creato due sensori: uno per cercare lo scheletro e l'altro per determinare la corrispondenza dei colori con la sommità di quello scheletro e la ricerca di oggetti in movimento sincrono. Per il secondo, è risultato più semplice rilevare: ad esempio, una persona con un casco sulla schiena raramente lo guarda. Perché per farlo, deve ruotare la testa. E questo movimento è molto facile da rilevare. In effetti, non sappiamo cosa venga esattamente rilevato (è una rete neurale), ma si è addestrata molto rapidamente e cattura i trasgressori per la loro camminata.
Costruiamo un modello umano.
Successivamente, creiamo una mappa di calore in tempo reale e report alla fine della giornata.
Pertanto, secondo lo stesso principio - addestramento della rete neurale - vengono facilmente rilevati:
- Caschi.
- Camici.
- Gilet.
- Stivali.
- Capelli in fuori.
- Moschettoni di sicurezza.
- Maschere respiratorie.
- Occhiali protettivi.
- Indossare correttamente la giacca (importante per l'elettronica: potrebbe dare problemi in sala macchine in produzione).
- Portare strumenti ingombranti oltre il perimetro.
Attualmente abbiamo già testato 29 rilevatori. L'unico problema è che, poiché lavoriamo in produzioni pericolose come la chimica o l'estrazione, ci sono requisiti specifici per i tipi di guanti. Ad esempio, guanti lunghi e corti. In questo caso, è necessario che siano di colori diversi: determinare la lunghezza sotto il braccio tramite telecamera è molto difficile.
Qui ci sono stati frequentemente allarmi per i topi. Non abbiamo un rilevatore specifico per topi, ma abbiamo un rilevatore di oggetti che ostacolano il funzionamento della macchina:
Cosa altro viene rilevato?
Abbiamo testato i rilevatori in produzioni chimiche, nel settore estrattivo, nell'industria nucleare e nei cantieri. È emerso che, con sforzi minimi, è possibile soddisfare ulteriori requisiti che prima venivano affrontati da persone anziane che tentavano di distinguere qualcosa nell'immagine attraverso una cattiva risoluzione e un basso frame rate. In particolare:
- Poiché stiamo comunque costruendo un modello scheletrico di ogni lavoratore, possiamo rilevare le cadute. In caso di caduta, è possibile fermare immediatamente la macchina vicina (nelle sperimentazioni pilota non c'era stata tale integrazione, si registravano solo allarmi). Questo se si dispone di IioT.
- Naturalmente, la presenza in aree pericolose. È molto semplice, molto preciso e molto utile per tutti. Nelle aziende metallurgiche, le persone lavorano vicino a forni di acciaio fuso; mentre indurire l'acciaio è utile, a volte è pericoloso trovarsi dall'altra parte. Considerando il lavoro di diversi nodi e attrezzature, è possibile modificare queste aree pericolose, impostare orari e così via.
- Un altro rilevatore molto utile sulla presenza di DPI controlla la responsabilità dei dipendenti e verifica che non ci siano minacce per loro. Qui la persona anziana prende molto seriamente il compito di tenere conto e indossa tutti i DPI richiesti. Elogiabile!
È stato molto facile implementare il controllo del comportamento — in particolare se un lavoratore sta dormendo o meno. Mentre testavamo tutto questo, le regole sono evolute da 'In quest'area deve esserci una persona con un casco verde' a 'In quest'area, una persona con un casco verde deve muoversi'. Finora c'è stata solo una persona astuta che ha capito il trucco e ha acceso il ventilatore, ma anche questo è stato facile da correggere.
Per i chimici era molto importante registrare getti di vapore o fumi. Nella petrolifera — l'integrità delle tubazioni. Il fuoco — è un rilevatore standard. Inoltre, c'è il controllo dei coperchi chiusi.
Allo stesso modo vengono rilevati gli oggetti dimenticati. Abbiamo testato questo in una delle stazioni ferroviarie due anni fa; lì è quasi inutile a causa del gran numero di eventi. Tuttavia, nelle produzioni, specialmente nelle chimiche, è molto comodo tenere d'occhio gli oggetti nella zona pulita.
È interessante notare che tramite l'analisi video possiamo leggere le letture degli strumenti nell'area della telecamera. Questo è rilevante per i chimici i cui impianti industriali presentano un alto grado di pericolo. Qualsiasi cambiamento, come la sostituzione di un sensore, comporta una rinegoziazione del progetto. È lungo, costoso e difficile. In effetti, è LUNGO, COSTOSO e DIFFICILE. Quindi, per loro, l'Internet delle cose arriverà tardi. Ora vogliono video sorveglianza per contatori e leggere i dati, reagire prontamente e ridurre le perdite a causa di apparecchiature malfunzionanti e non notate. Sulla base dei dati correnti dei contatori, è possibile costruire un gemello digitale dell'azienda, implementare manutenzione predittiva, ma questa è un'altra storia... Il controllo c'è già: attualmente stiamo scrivendo analisi proattive sui dati aggregati. E separatamente — un modulo per la previsione della sostituzione delle batterie.
Un'altra cosa incredibile — si è scoperto che nei silos e nei depositi di materiale come la ghiaia è possibile scattare foto da 3-4 angolazioni e determinare i bordi. Una volta definiti i bordi, è possibile calcolare il volume del grano o del materiale con un margine d'errore fino all'1%.
L'ultimo rilevatore su cui abbiamo lavorato è il controllo della fatica del conducente, tipo 'testa che si inclina', sbadigli e frequenza di ammiccamenti. Questo per telecamere HD, dove si vedono gli occhi. Probabilmente sarà installato nelle sale controllo. Ma la principale necessità è per BelAZ e KamAZ nelle cave. Lì, le macchine talvolta si rovesciano, quindi ora in estrazione ci si sta spingendo a inventare soluzioni per monitorare i conducenti. Un robot è meglio di una persona anziana.
Riguardo le auto. Ad esempio, il tema del controllo della fatica è attivamente applicato dai produttori di automobili non solo per BelAZ, KamAZ e altri MAZ. Già nei veicoli normali, i produttori stanno integrando sistemi di allerta per la fatica dei conducenti, ma attualmente hanno soluzioni abbastanza semplici, che analizzano solo la posizione del veicolo rispetto alla segnaletica e il movimento del volante. Noi, invece, siamo andati oltre e rileviamo il comportamento umano, che è molto più complesso.
Un altro caso di monitoraggio dei conducenti: rilevamento di un comportamento scorretto nell'uso delle auto in car sharing. Non è consentito parlare al telefono senza auricolare, mangiare, bere, fumare e molte altre cose.
Ah, e un'ultima cosa. Da diversi anni siamo in grado di tracciare un oggetto tra le telecamere: quando, ad esempio, qualcosa viene rubato, è necessario controllare quale percorso e come. Se ci sono 100 telecamere nel luogo, è un vero incubo raccogliere il materiale. Qui il sistema formerà automaticamente un thriller avvincente su Ocean e i suoi amici.
Qual è la differenza rispetto al sistema di due anni fa? Ora non si tratta solo di riconoscere come 'un calvo in giacca arancione è uscito da una telecamera ed è entrato subito in un'altra', ma viene costruito un modello matematico dell'area, e su di esso si formulano ipotesi sul movimento dell'oggetto. Quindi, tutto questo ha cominciato a funzionare nelle zone con sovrapposizioni e nei punti ciechi, talvolta anche ampi. Inoltre, i rilevatori ora sono molto migliori, poiché ci sono librerie che determinano l'età dai volti. Sulle telecamere HD è possibile impostare parametri come 'uomo di 30 anni con donna di 35 anni'.
Quindi, forse tra 5–7 anni non avremo più produzioni e ci presenteremo a casa vostra. Per la vostra sicurezza. È nel vostro stesso interesse, cittadino!
Link
- La mia email è tpavlova@croc.ru
Fonte: habr.com
