Опасни индустрии: ве гледаме, %username% (видео аналитика)

Едниот другар е без кацига, вториот е без ракавици.

Во производството има многу не многу добри камери, во кои не гледаат највнимателните баби. Поточно, таму едноставно лудуваат од монотонијата и не гледаат секогаш инциденти. Потоа тие полека се јавуваат, а ако влегуваше во опасна зона, тогаш понекогаш нема смисла да се јавите во работилницата, можете да одите директно кај роднините на работникот.

Напредокот е дојден до точка каде што роботот може да види сè и да му удри камшик на секој што ќе го прекрши. На пример, со потсетување преку СМС, со лесно испуштање струја во сирената, со вибрации, со непријатно крцкање, со блесок на силна светлина или едноставно со кажување на менаџерот.

Поточно:

• Многу е лесно да се препознаат луѓе без кацига. Дури и ќелавите. Ако видовме лице без кацига, веднаш беше испратено предупредување до операторот или менаџерот на работилницата.
• Истото важи и за очилата и ракавиците во опасните индустрии, ременот за појас (иако засега го гледаме само карабинот), рефлектирачките елеци, респираторите, капачињата за коса и други ППЕ. Сега системот е обучен да препознава 20 типа Сизов.
• Можете точно да ги броите луѓето на локацијата и да земете предвид кога и колку од нив биле таму.
• Можете да вклучите аларм кога некое лице ќе влезе во опасна зона, а оваа зона може да се конфигурира врз основа на фактот дека машините почнуваат и запираат.

И така натаму. Наједноставниот пример е диференцијацијата на бојата на ѕидарите и бетонските фрлачи врз основа на бојата на нивниот шлем. Да му помогне на роботот. На крајот на краиштата, да се живее во општество без диференцијација на бои значи да се нема цел.

Како крадат на градилиште

Еден вид вообичаена кражба е кога изведувачот ветил дека ќе донесе 100 работници на локацијата, а всушност донел 40-45. И куќата се гради и гради. Сепак, никој не може точно да ги изброи всушност. Како во познатата шега: ако мечка се смести на градилиште и јаде луѓе, никој нема да забележи. Исто така, генералниот изведувач нема начин да ги контролира екипите. Поточно, дури и ако користите ACS, тој сепак ќе биде измамен, како во овој пост за мачката терминатор.

Обично нема системи за контрола на пристап на градилиштата или тие се само на влезот.

Отидовме да размениме искуства со високо развиените цивилизации и видовме дека секоја професија (поточно улога) има своја боја на кацигата. Овде ѕидарите ги поставуваат тулите - имаат сини шлемови, точачите го истураат бетонот - имаат зелени, секакви паметни луѓе се шетаат наоколу - имаат жолти, па мораш да правиш „ку“ двапати пред нив. И така натаму.

И сето тоа е потребно за многу лесно да се открие секоја улога. Објектот има неколку десетици прилично евтини камери кои произведуваат нешто како 320x200 во боја. Работниците се бројат со кацигите во реално време, а на секоја камера и е доделено одредено градилиште. Како резултат на тоа, на крајот на денот, сето ова се спојува заедно во аналитика за да се снимаат распореди по зона: кој работел, во колкава количина и во која област.

Во принцип, имаме усвоено искуство. Само додека внимателно го гледавме, невронските мрежи зачекори далеку напред и се појавија многу нови детектори. Пред само неколку години беа прилично каприциозни и нестабилни, но сега ви дозволуваат многу прецизно да ги фатите најинтересните ситуации. Не само поради брзината на обработка, детекторите често прават грешки на поединечни рамки, но при видео стрим со мали промени во аголот добиваме одличен практичен резултат.

Што ако ја ставам втората кацига на појасот?

Прво дознавме дека еден работник може да добие две тврди капи и да стави една од нив на својот задник. Сега имаме два детектори одеднаш: пребарување на скелет и одредување точка на боја која одговара на темето на овој скелет и пребарување на синхроно подвижни објекти. Вториот метод се покажа како полесен за откривање: на пример, лице со шлем на задникот речиси никогаш не е прегледано од овој шлем. Бидејќи за да го направите ова треба да ја ротирате главата. И ова движење е многу лесно откриено. Поточно, не знаеме што точно е откриено таму (тоа е невронска мрежа), но таа научи многу брзо и ги фаќа прекршителите, може да се каже, со нивното одење.

Градиме модел на личност.

Потоа едноставно правиме топлинска мапа во реално време и извештаи на крајот од денот.

Според тоа, користејќи го истиот принцип - со обука на невронска мрежа - лесно се откриваат следново:

• Шлемови.
• Бањарки.
• Елеци.
• Чизми.
• Лепење коса.
• Безбедносни карабини.
• Респиратори.
• Заштитни очила.
• Правилно носење јакна (важно за електрична опрема: може да предизвика шок во машинската соба при производството).
• Преместување на големи инструменти надвор од периметарот.

Вкупно, веќе се тестирани 29 детектори. Единствената поента е дека бидејќи работиме во опасни индустрии како хемија или рударство, постојат барања за видовите на ракавици. На пример, долги и кратки. Во овој случај, тие треба да бидат различни бои: многу е тешко да се одреди должината под ракавот со помош на видео камера.

Но, овде често имало случаи на стаорци. Немаме посебен детектор за стаорци, но имаме детектор за предмети што ја попречуваат работата на машината:

Што друго се открива?

Тестиравме детектори во хемиски погони, во рударската индустрија, во нуклеарната индустрија и на градилиштата. Се испостави дека со малку труд можете да решите уште неколку барања кои претходно ги решавале истите баби, вчудоневидени обидувајќи се да видат нешто на сликата преку лошата резолуција и слабата стапка на слики. Поточно:

• Бидејќи сè уште градиме скелетен модел на секој работник, може да се детектираат падови. Ако падне, можете веднаш да ја запрете машината до која се наоѓа (во пилот-имплементации немаше таква интеграција, едноставно имаше аларми). Па, тоа е ако имате IoT.
• Се разбира, да се биде во опасни области. Тоа е многу лесно, многу точно и многу корисно за секого. Во металуршките претпријатија, луѓето работат покрај садови со челик што врие; корисно е да се зацврсти челикот, но понекогаш е опасно да се застане малку на погрешната страна. Имајќи ја предвид работата на различни компоненти и опрема, можете да ги промените овие опасни зони, поставете распоред за нив и така натаму.
• Друг многу корисен детектор за присуство на ОЛЗ ја следи одговорноста на вработените и проверува дали тие не се во опасност. Овде бабата многу одговорно пристапува кон сметководствената задача и ги носи сите ОЛЗ потребни за неа. За пофалба!

Беше многу лесно да се спроведе контрола на однесувањето - дали вработениот спие или не. Додека го тестиравме сето ова, правилата еволуираа од „Во оваа област мора да има лице со зелен шлем“ до „Во оваа област, лице во зелен шлем мора да се движи“. Досега има само еден паметен човек кој го сфатил чипот и го вклучил вентилаторот, но и ова се покажа дека е лесно да се поправи.

За хемичарите беше многу важно да ги снимат сите видови млазови од пареа и чад. Во нафтената индустрија - интегритетот на цевките. Пожарот е генерално стандарден детектор. Има и проверка на затворени отвори.

На ист начин се откриваат и заборавените работи. Го тестиравме ова на една од станиците пред неколку години, таму речиси нема смисла поради големиот број настани. Но, во фабриките, особено во хемиските, многу е погодно да се следат работите на чиста област.

Интересно е што можеме да ги читаме читањата на уредите во областа на камерата директно од видео аналитика. Ова е релевантно за истите хемичари чии производствени комплекси имаат висока класа на опасност. Секоја промена, како замена на сензор, значи повторно координација на проектот. Долго е, скапо и болно. Поточно ДОЛГ, СКАП и БОЛЕН. Затоа, Интернетот на нештата ќе им дојде доцна. Сега сакаат видео надзор на броилата и читање податоци, брзо реагирање на нив и намалување на загубите поради неочекувано и незабележано откажување на опремата. Врз основа на тековните податоци од мерачот, можете да изградите дигитален близнак на претпријатието, да спроведете предвидливо одржување и поправка, но тоа е сосема друга приказна... Ние веќе имаме контрола: сега пишуваме проактивна аналитика врз основа на севкупноста на податоците. И одделно - модул за предвидување за замена на батеријата.

Друга неверојатна работа - се покажа дека во амбарите и во складирањето на материјали како што е кршен камен, можете да снимате куп од 3-4 агли и да ги одредите неговите рабови. И откако ќе ги одредите рабовите, дајте го волуменот на зрното или материјалот со грешка до 1%.

Последниот детектор за кој пишувавме беше следење на заморот на возачот, како што се „кимнувањето со главата“, зевање и фреквенцијата на трепкање. Ова е за HD камери каде што се видливи очите. Најверојатно, ќе биде инсталиран во контролни простории. Но, главната потреба е за камиони BelAZ и KamAZ за каменолом. Понекогаш таму паѓаат автомобили, па сега на рударската локација се принудени да смислат нешто за да го контролираат возачот. Роботот е подобар од баба.

За автомобилите. На пример, темата за контрола на замор активно ја користат производителите на автомобили не само BelAZ, KamAZ и други возила MAZ. Производителите веќе градат системи за предупредување за замор на возачот во обични обични автомобили, но досега имаат прилично едноставни решенија кои ја анализираат само положбата на автомобилот во однос на ознаките и природата на движењето на воланот. Отидовме подалеку и го откривме човечкото однесување, што е многу покомплексно.

Друг случај на надзор на возачот е откривање на неправилно однесување при користење на машини за споделување на автомобили. Не можете да зборувате на телефон без слободни раце, да јадете, да пиете, да пушите и многу повеќе.

О, и последно нешто. Веќе неколку години можеме да следиме предмет помеѓу камерите - кога, на пример, нешто е украдено, треба да проверите на кој начин и како. Ако во објектот има 100 камери, тогаш ќе бидете исцрпени при подигнување на материјалот. И тогаш системот автоматски ќе генерира акциски трилер за Оушн и неговите пријатели.

Која е разликата од системот пред две години? Сега ова не е само препознавање како „ќелав човек во портокалова јакна ја напушти една ќелија и речиси веднаш влезе во друга“, туку се гради математички модел на просторијата и врз основа на него се градат хипотези за движењето на објектот. Односно, сето ова почна да функционира во области со преклопување и места со слепи точки, понекогаш и обемни. А детекторите сега се многу подобри, бидејќи има библиотеки кои ја одредуваат возраста по лице. На HD камерите можете да поставите ориентации како „30-годишен маж со 35-годишна жена“.

Така, можеби за 5-7 години ќе го завршиме производството и ќе одиме кај вас дома. За безбедност. Ова е во ваш интерес, граѓанин!

референци

• За мечките зависни од токсични материи: пример на случај кога бабите биле поевтини од детекторите.
• За мачката терминатор и препознавање на лица. Епски случај.
• За тоа како разликувавме количка од надзорник.
• Повеќе различни детектори.
• Мојата пошта - [заштитена по е-пошта]

Извор: www.habr.com