धोकादायक उद्योग: आम्ही तुम्हाला पाहत आहोत, %वापरकर्तानाव% (व्हिडिओ विश्लेषण)

एक कॉम्रेड हेल्मेटशिवाय आहे, दुसरा हातमोजेशिवाय आहे.

उत्पादनामध्ये बरेच चांगले कॅमेरे नाहीत, ज्यामध्ये सर्वात लक्ष देणारी आजी दिसत नाहीत. अधिक तंतोतंत, ते फक्त एकसंधतेपासून वेडे होतात आणि नेहमीच घटना पाहत नाहीत. मग ते हळू हळू कॉल करतात आणि जर ते धोकादायक झोनमध्ये प्रवेश करत असेल तर काहीवेळा कार्यशाळेला कॉल करण्यात काही अर्थ नाही, आपण थेट कामगाराच्या नातेवाईकांकडे जाऊ शकता.

प्रगती अशा टप्प्यावर पोहोचली आहे की रोबोट सर्वकाही पाहू शकतो आणि जो कोणी त्याचे उल्लंघन करतो त्याला फटके देऊ शकतो. उदाहरणार्थ, एसएमएसद्वारे स्मरण करून, सायरनला विद्युत प्रवाहाच्या प्रकाशाने, कंपनाद्वारे, ओंगळ आवाजाने, तेजस्वी प्रकाशाच्या फ्लॅशद्वारे किंवा व्यवस्थापकाला सांगून.

विशेषत:

• हेल्मेटशिवाय लोकांना ओळखणे खूप सोपे आहे. अगदी टक्कल पडलेले. हेल्मेट नसलेली व्यक्ती दिसली तर ऑपरेटर किंवा वर्कशॉप मॅनेजरला तत्काळ अलर्ट पाठवला गेला.
• धोकादायक उद्योगांमध्ये गॉगल आणि हातमोजे, बेल्ट हार्नेस (जरी आम्ही सध्या फक्त कॅरॅबिनरकडे पाहत आहोत), रिफ्लेक्टीव्ह व्हेस्ट, रेस्पिरेटर्स, केसांच्या टोप्या आणि इतर पीपीईसाठी हेच आहे. आता सिस्टमला 20 प्रकारचे सिझोव्ह ओळखण्यासाठी प्रशिक्षित केले आहे.
• तुम्ही साइटवरील लोकांची अचूक मोजणी करू शकता आणि त्यांच्यापैकी किती लोक तेथे होते ते विचारात घेऊ शकता.
• जेव्हा एखादी व्यक्ती धोकादायक झोनमध्ये प्रवेश करते तेव्हा तुम्ही अलार्म वाजवू शकता आणि मशीन सुरू होतात आणि थांबतात या वस्तुस्थितीवर आधारित हा झोन कॉन्फिगर केला जाऊ शकतो.

वगैरे. सर्वात सोपं उदाहरण म्हणजे ब्रिकलेअर आणि कॉंक्रिट ओतणाऱ्यांच्या हेल्मेटच्या रंगावर आधारित रंग भिन्नता. रोबोटला मदत करण्यासाठी. शेवटी, रंगभेद नसलेल्या समाजात राहण्याचा काही हेतू नाही.

ते बांधकाम साइटवर कसे चोरी करतात

सामान्य चोरीचा एक प्रकार म्हणजे जेव्हा एखाद्या कंत्राटदाराने साइटवर 100 कामगार आणण्याचे आश्वासन दिले, परंतु प्रत्यक्षात 40-45 कामगार आणले. आणि घर बांधले जात आहे. तरीही, प्रत्यक्षात त्यांची अचूक गणना कोणीही करू शकत नाही. प्रसिद्ध विनोदाप्रमाणे: जर अस्वल बांधकामाच्या ठिकाणी स्थायिक झाला आणि लोकांना खात असेल तर कोणाच्याही लक्षात येणार नाही. त्याचप्रमाणे सामान्य कंत्राटदाराला कर्मचाऱ्यांवर नियंत्रण ठेवण्याचा कोणताही मार्ग नाही. अधिक तंतोतंत, तुम्ही एसीएस वापरत असलो तरीही तो फसवला जाईल, टर्मिनेटर मांजरीबद्दलच्या या पोस्टमध्ये जसे.

सहसा बांधकाम साइटवर प्रवेश नियंत्रण प्रणाली नसतात किंवा ते फक्त प्रवेशद्वारावर असतात.

आम्ही उच्च विकसित सभ्यतांसह अनुभवांची देवाणघेवाण करण्यासाठी गेलो आणि पाहिले की प्रत्येक व्यवसायाचा (अधिक तंतोतंत, भूमिका) स्वतःचा हेल्मेट रंग असतो. येथे विटा पाडणारे विटा घालतात - त्यांच्याकडे निळे हेल्मेट आहेत, ओतणारे कॉंक्रिट ओततात - त्यांच्याकडे हिरवे आहेत, सर्व प्रकारचे हुशार लोक फिरत आहेत - त्यांच्याकडे पिवळे आहेत, म्हणून तुम्हाला त्यांच्यासमोर दोनदा "कु" करावे लागेल. वगैरे.

आणि प्रत्येक भूमिका अगदी सहजपणे शोधण्यासाठी हे सर्व आवश्यक आहे. सुविधेमध्ये अनेक डझन स्वस्त कॅमेरे आहेत जे 320x200 सारखे रंग तयार करतात. कामगारांची गणना त्यांच्या हेल्मेटद्वारे रिअल टाइममध्ये केली जाते आणि प्रत्येक कॅमेऱ्याला एक विशिष्ट बांधकाम साइट नियुक्त केली जाते. परिणामी, दिवसाच्या शेवटी, हे सर्व झोननुसार वेळापत्रक रेकॉर्ड करण्यासाठी विश्लेषणामध्ये एकत्र केले जाते: कोणी काम केले, कोणत्या प्रमाणात आणि कोणत्या क्षेत्रात.

सर्वसाधारणपणे, आम्ही अनुभवाचा अवलंब केला आहे. आम्ही ते बारकाईने पाहत असतानाच, न्यूरल नेटवर्क्स खूप पुढे गेले आणि बरेच नवीन डिटेक्टर दिसू लागले. काही वर्षांपूर्वी ते खूपच लहरी आणि अस्थिर होते, परंतु आता ते आपल्याला सर्वात मनोरंजक परिस्थिती अगदी अचूकपणे पकडण्याची परवानगी देतात. कमीतकमी प्रक्रियेच्या गतीमुळे, डिटेक्टर अनेकदा वैयक्तिक फ्रेमवर चुका करतात, परंतु कोनात किरकोळ बदलांसह व्हिडिओ प्रवाहावर आम्हाला एक उत्कृष्ट व्यावहारिक परिणाम मिळतो.

मी माझ्या बेल्टवर दुसरे हेल्मेट ठेवले तर?

प्रथम आम्ही शिकलो की एक कामगार दोन कठोर टोपी घेऊ शकतो आणि त्यापैकी एक त्याच्या नितंबावर ठेवू शकतो. आमच्याकडे आता एकाच वेळी दोन डिटेक्टर आहेत: एक सांगाडा शोधणे आणि या सांगाड्याच्या शिरोबिंदूशी जुळण्यासाठी रंगाचे ठिकाण निश्चित करणे आणि समकालिकपणे हलणाऱ्या वस्तूंचा शोध घेणे. दुसरी पद्धत शोधणे सोपे होते: उदाहरणार्थ, नितंबावर हेल्मेट असलेल्या व्यक्तीची या हेल्मेटद्वारे तपासणी केली जात नाही. कारण हे करण्यासाठी तुम्हाला तुमचे डोके फिरवावे लागेल. आणि ही हालचाल अगदी सहज ओळखली जाते. अधिक तंतोतंत, तेथे नेमके काय आढळले आहे हे आम्हाला माहित नाही (हे एक न्यूरल नेटवर्क आहे), परंतु ते खूप लवकर शिकले आणि उल्लंघन करणार्‍यांना पकडते, असे कोणी म्हणू शकते, त्यांच्या चालण्यावरून.

आम्ही एका व्यक्तीचे मॉडेल तयार करत आहोत.

मग आम्ही रिअल टाइममध्ये फक्त उष्णता नकाशा तयार करतो आणि दिवसाच्या शेवटी अहवाल देतो.

त्यानुसार, त्याच तत्त्वाचा वापर करून - न्यूरल नेटवर्कला प्रशिक्षण देऊन - खालील गोष्टी सहजपणे शोधल्या जातात:

• शिरस्त्राण.
• झगे.
• बनियान.
• बूट.
• चिकटलेले केस.
• सुरक्षा कॅरॅबिनर्स.
• श्वसन यंत्र.
• संरक्षक चष्मा.
• योग्यरित्या जाकीट परिधान करणे (विद्युत उपकरणांसाठी महत्वाचे: यामुळे उत्पादनाच्या वेळी मशीन रूममध्ये धक्का बसू शकतो).
• परिमितीच्या बाहेर मोठी उपकरणे हलवणे.

एकूण, 29 डिटेक्टरची आधीच चाचणी केली गेली आहे. मुद्दा एवढाच आहे की आम्ही रसायनशास्त्र किंवा खाणकाम यांसारख्या घातक उद्योगांमध्ये काम करत असल्याने, हातमोजेच्या प्रकारांसाठी आवश्यक आहेत. उदाहरणार्थ, लांब आणि लहान. या प्रकरणात, ते वेगवेगळ्या रंगांचे असणे आवश्यक आहे: व्हिडिओ कॅमेरा वापरून स्लीव्हच्या खाली लांबी निश्चित करणे फार कठीण आहे.

पण इथे अनेकदा उंदरांच्या घटना घडल्या. आमच्याकडे स्वतंत्र उंदीर शोधक नाही, परंतु आमच्याकडे मशीनच्या ऑपरेशनमध्ये व्यत्यय आणणाऱ्या वस्तूंसाठी डिटेक्टर आहे:

आणखी काय शोधले जात आहे?

आम्ही रासायनिक वनस्पतींमध्ये, खाण उद्योगात, अणुउद्योगात आणि बांधकाम साइटवर डिटेक्टरची चाचणी केली आहे. असे दिसून आले की थोड्या प्रयत्नांनी आपण आणखी अनेक आवश्यकता सोडवू शकता ज्या पूर्वी त्याच आजींनी सोडवल्या होत्या, खराब रिझोल्यूशन आणि खराब फ्रेम रेटद्वारे चित्रात काहीतरी पाहण्याचा आश्चर्यचकितपणे प्रयत्न केला. विशेषत:

• आम्ही अजूनही प्रत्येक कामगाराचे कंकाल मॉडेल तयार करत असल्याने, फॉल्स शोधले जाऊ शकतात. जर ते पडले, तर तुम्ही ज्या मशीनच्या पुढे स्थित आहे ते त्वरित थांबवू शकता (पायलट अंमलबजावणीमध्ये असे कोणतेही एकत्रीकरण नव्हते, फक्त अलार्म होते). बरं, तुमच्याकडे IoT असेल तर.
• अर्थात, धोकादायक भागात असल्याने. हे अतिशय सोपे, अतिशय अचूक आणि प्रत्येकासाठी उपयुक्त आहे. मेटलर्जिकल एंटरप्राइझमध्ये, लोक उकळत्या स्टीलच्या व्हॅट्सच्या शेजारी काम करतात; स्टीलला कडक करणे उपयुक्त आहे, परंतु कधीकधी चुकीच्या बाजूला थोडेसे उभे राहणे धोकादायक असते. विविध घटक आणि उपकरणांचे ऑपरेशन लक्षात घेऊन, आपण हे धोकादायक बदलू शकता. झोन, त्यांच्यासाठी शेड्यूल सेट करा आणि असेच.
• पीपीईच्या उपस्थितीबद्दल आणखी एक अतिशय उपयुक्त डिटेक्टर कर्मचार्‍यांच्या जबाबदारीवर लक्ष ठेवतो आणि त्यांना धोका नाही का ते तपासतो. येथे आजी अतिशय जबाबदारीने हिशेबाचे काम पूर्ण करतात आणि तिच्यासाठी आवश्यक असलेले सर्व पीपीई परिधान करतात. प्रशंसनीय!

वर्तन नियंत्रणाची अंमलबजावणी करणे खूप सोपे होते - कर्मचारी झोपत होता की नाही. आम्ही हे सर्व तपासत असताना, "या भागात हिरव्या हेल्मेटमध्ये एक व्यक्ती असली पाहिजे" पासून "या भागात हिरव्या हेल्मेट घातलेल्या व्यक्तीने फिरणे आवश्यक आहे" असे नियम विकसित झाले. आतापर्यंत फक्त एकच हुशार माणूस आहे ज्याने चिप शोधून पंखा चालू केला, परंतु हे देखील निराकरण करणे सोपे आहे.

रसायनशास्त्रज्ञांसाठी स्टीम आणि धुराच्या सर्व प्रकारच्या जेट्स रेकॉर्ड करणे खूप महत्वाचे होते. तेल उद्योगात - पाईप्सची अखंडता. फायर सामान्यतः एक मानक शोधक आहे. बंद हॅचची तपासणी देखील आहे.

विसरलेल्या गोष्टी त्याच प्रकारे शोधल्या जातात. आम्ही काही वर्षांपूर्वी एका स्थानकावर याची चाचणी केली होती, तेथे मोठ्या संख्येने इव्हेंट्समुळे काही अर्थ नाही. परंतु कारखान्यांमध्ये, विशेषत: रासायनिक, स्वच्छ क्षेत्रामध्ये गोष्टींचे निरीक्षण करणे खूप सोयीचे आहे.

विशेष म्हणजे, आम्ही कॅमेरा क्षेत्रातील उपकरणांचे वाचन थेट व्हिडिओ विश्लेषणातून वाचू शकतो. हे त्याच केमिस्टसाठी प्रासंगिक आहे ज्यांच्या उत्पादन संकुलांमध्ये उच्च धोका वर्ग आहे. कोणताही बदल, जसे की सेन्सर बदलणे, म्हणजे प्रकल्पाचे पुनर्संयोजन. हे लांब, महाग आणि वेदनादायक आहे. अधिक तंतोतंत, ते लांब, महाग आणि वेदनादायक आहे. त्यामुळे इंटरनेट ऑफ थिंग्ज त्यांच्यासाठी उशीरा येतील. आता त्यांना मीटरवर व्हिडिओ पाळत ठेवणे आणि डेटा वाचणे, त्यांना त्वरीत प्रतिसाद देणे आणि अनपेक्षितपणे आणि न लक्षात न आलेल्या उपकरणांच्या बिघाडामुळे होणारे नुकसान कमी करायचे आहे. सध्याच्या मीटर डेटाच्या आधारे, तुम्ही एंटरप्राइझचे डिजिटल जुळे तयार करू शकता, भविष्यसूचक देखभाल आणि दुरुस्ती लागू करू शकता, परंतु ही एक पूर्णपणे वेगळी कथा आहे... आमच्याकडे आधीपासूनच नियंत्रण आहे: आम्ही आता डेटाच्या संपूर्णतेवर आधारित सक्रिय विश्लेषणे लिहित आहोत. आणि स्वतंत्रपणे - बॅटरी बदलण्याची भविष्यवाणी मॉड्यूल.

आणखी एक आश्चर्यकारक गोष्ट - असे दिसून आले की धान्य कोठारांमध्ये आणि ठेचलेल्या दगडासारख्या सामग्रीच्या साठवणीत, आपण 3-4 कोनातून एक ढीग शूट करू शकता आणि त्याच्या कडा निश्चित करू शकता. आणि कडा निश्चित केल्यावर, 1% पर्यंतच्या त्रुटीसह धान्य किंवा सामग्रीचे प्रमाण द्या.

आम्ही लिहिलेला शेवटचा डिटेक्टर ड्रायव्हरच्या थकवावर लक्ष ठेवत होता, जसे की “होळणे”, जांभई येणे आणि ब्लिंकिंग वारंवारता. हे HD कॅमेऱ्यांसाठी आहे जिथे डोळे दिसतात. बहुधा, ते नियंत्रण कक्षांमध्ये स्थापित केले जाईल. पण खदानांसाठी BelAZ आणि KamAZ ट्रकची मुख्य गरज आहे. कधीकधी कार तेथे खाली पडतात, म्हणून आता खाण साइटवर त्यांना ड्रायव्हरवर नियंत्रण ठेवण्यासाठी काहीतरी आणण्यास भाग पाडले जाते. रोबोट आजीपेक्षा चांगला आहे.

कार बद्दल. उदाहरणार्थ, थकवा नियंत्रणाचा विषय केवळ BelAZ, KamAZ आणि इतर MAZ वाहनेच नव्हे तर ऑटोमेकर्सद्वारे सक्रियपणे वापरला जातो. उत्पादक आधीच सामान्य सामान्य कारमध्ये ड्रायव्हर थकवा चेतावणी प्रणाली तयार करत आहेत, परंतु आतापर्यंत त्यांच्याकडे अगदी सोप्या उपाय आहेत जे खुणा आणि स्टीयरिंग व्हील हालचालीच्या स्वरूपाशी संबंधित कारच्या स्थितीचे विश्लेषण करतात. आम्ही पुढे गेलो आणि मानवी वर्तन शोधले, जे अधिक जटिल आहे.

ड्रायव्हर पाळत ठेवण्याचे आणखी एक प्रकरण म्हणजे कार शेअरिंग मशीन वापरताना चुकीच्या वर्तनाचा शोध. तुम्ही फोनवर हात सोडल्याशिवाय बोलू शकत नाही, खाणे, पिणे, धूम्रपान करणे आणि बरेच काही करू शकत नाही.

अरे, आणि एक शेवटची गोष्ट. अनेक वर्षांपासून आम्ही कॅमेर्‍यांमध्ये एखादी वस्तू ट्रॅक करण्यात सक्षम झालो आहोत - जेव्हा, उदाहरणार्थ, काहीतरी चोरीला गेले, तेव्हा तुम्हाला कोणत्या मार्गाने आणि कसे ते तपासण्याची आवश्यकता आहे. सुविधेवर 100 कॅमेरे असल्यास, सामग्री उचलण्यात तुमची दमछाक होईल. आणि मग सिस्टम आपोआप ओशन आणि त्याच्या मित्रांबद्दल अॅक्शन-पॅक थ्रिलर तयार करेल.

दोन वर्षांपूर्वीच्या व्यवस्थेत काय फरक आहे? आता ही केवळ ओळख नाही जसे की "केशरी जाकीटमधील टक्कल माणसाने एक सेल सोडला आणि जवळजवळ लगेचच दुसर्‍या सेलमध्ये प्रवेश केला," परंतु खोलीचे एक गणितीय मॉडेल तयार केले गेले आहे आणि त्यावर आधारित, ऑब्जेक्टच्या हालचालीबद्दल गृहितके तयार केली गेली आहेत. म्हणजेच, हे सर्व ओव्हरलॅप असलेल्या भागात आणि अंध स्पॉट्स असलेल्या ठिकाणी कार्य करू लागले, कधीकधी विस्तृत. आणि डिटेक्टर आता बरेच चांगले आहेत, कारण चेहर्यानुसार वय ठरवणारी लायब्ररी आहेत. एचडी कॅमेर्‍यांवर तुम्ही "३५ वर्षीय महिलेसह ३० वर्षीय पुरुष" सारखे अभिमुखता सेट करू शकता.

तर, कदाचित 5-7 वर्षांत आम्ही उत्पादन पूर्ण करू आणि तुमच्या घरी जाऊ. सुरक्षिततेसाठी. हे तुमच्याच हिताचे आहे, नागरिकांनो!

संदर्भ

• विषारी-व्यसनी अस्वलांबद्दल: आजी शोधकांपेक्षा स्वस्त असलेल्या केसचे उदाहरण.
• टर्मिनेटर मांजर आणि चेहर्यावरील ओळख बद्दल. एपिक केस.
• आम्ही फोरमॅनपासून कार्ट कसे वेगळे केले याबद्दल.
• अधिक भिन्न डिटेक्टर.
• माझा मेल - [ईमेल संरक्षित]

स्त्रोत: www.habr.com