ProHoster > Log > administrasjon > Farlige bransjer: vi ser pÄ deg, %username% (videoanalyse)

Farlige bransjer: vi ser pÄ deg, %username% (videoanalyse)

Farlige bransjer: vi ser pÄ deg, %username% (videoanalyse)
Den ene kameraten er uten hjelm, den andre er uten hansker.

I produksjonen er det mange ikke veldig gode kameraer, som ikke de mest oppmerksomme bestemÞdrene ser pÄ. Mer presist blir de rett og slett gale der av monotonien og ser ikke alltid hendelser. SÄ ringer de sakte, og hvis det var pÄ vei inn i en farlig sone, er det noen ganger ingen vits i Ä ringe verkstedet, du kan gÄ rett til arbeiderens slektninger.

Fremgangen har nÄdd det punktet hvor roboten kan se alt og gi et piskeslag til alle som bryter det. For eksempel ved Ä pÄminne pÄ SMS, ved en lett strÞmutladning til sirenen, ved vibrasjon, ved et ekkelt knirk, ved et glimt av sterkt lys, eller ganske enkelt ved Ä si ifra til lederen.

Betong:

  • Det er veldig lett Ă„ kjenne igjen folk uten hjelm. Til og med skallete. Hvis vi sĂ„ en person uten hjelm, ble det sendt et umiddelbar varsel til operatĂžr eller verkstedleder.
  • Det samme gjelder briller og hansker i farlige industrier, beltesele (selv om vi kun ser pĂ„ karabinkroken forelĂžpig), refleksvester, Ă„ndedrettsvern, hĂ„rhetter og annet PPE. NĂ„ er systemet opplĂŠrt til Ă„ gjenkjenne 20 typer Sizov.
  • Du kan telle personene pĂ„ nettstedet nĂžyaktig og ta hensyn til nĂ„r og hvor mange av dem var der.
  • Du kan slĂ„ alarm nĂ„r en person kommer inn i en farlig sone, og denne sonen kan konfigureres ut fra at maskinene starter og stopper.

Og sÄ videre. Det enkleste eksemplet er fargedifferensieringen av murere og betongstÞpere basert pÄ fargen pÄ hjelmen deres. For Ä hjelpe roboten. Tross alt, Ä leve i et samfunn uten fargedifferensiering er Ä ha ingen hensikt.

Hvordan de stjeler pÄ en byggeplass

En type vanlig tyveri er nÄr en entreprenÞr lovet Ä bringe 100 arbeidere til stedet, men faktisk brakte 40-45. Og huset bygges og bygges. Likevel er det ingen som kan telle dem nÞyaktig. Som i den berÞmte vitsen: Hvis en bjÞrn slÄr seg ned pÄ en byggeplass og spiser folk, vil ingen legge merke til det. PÄ samme mÄte har totalentreprenÞren ingen mulighet til Ä kontrollere mannskapene. Mer presist, selv om du bruker ACS, vil han fortsatt bli lurt, som i dette innlegget om terminatorkatten.

Vanligvis er det ingen adgangskontrollsystemer pÄ byggeplasser eller de er bare ved inngangen.

Vi dro for Ä utveksle erfaringer med hÞyt utviklede sivilisasjoner og sÄ at hvert yrke (mer presist, rolle) har sin egen hjelmfarge. Her legger murerne mursteinene - de har blÄ hjelmer, hellerne tÞmmer betongen - de har grÞnne, alle slags smarte folk som gÄr rundt - de har gule, sÄ du mÄ gjÞre "ku" to ganger foran dem. Og sÄ videre.

Og alt dette er nÞdvendig for veldig enkelt Ä oppdage hver rolle. Anlegget har flere titalls ganske billige kameraer som produserer noe sÄnt som 320x200 i farger. Arbeidere telles av hjelmene i sanntid, og hvert kamera tildeles en spesifikk byggeplass. Som et resultat, pÄ slutten av dagen, blir alt dette sydd sammen i analyser for Ä registrere tidsplaner etter sone: hvem jobbet, i hvilken mengde og i hvilket omrÄde.

Generelt har vi tatt i bruk erfaring. Bare mens vi sÄ nÞye pÄ det, gikk nevrale nettverk langt frem, og mange nye detektorer dukket opp. For bare noen fÄ Är siden var de ganske lunefulle og ustabile, men nÄ lar de deg fange de mest interessante situasjonene veldig nÞyaktig. Ikke minst pÄ grunn av prosesseringshastigheten gjÞr detektorer ofte feil pÄ enkeltbilder, men pÄ en videostrÞm med mindre vinkelendringer fÄr vi et utmerket praktisk resultat.

Hva om jeg setter den andre hjelmen pÄ beltet?

FÞrst fikk vi vite at en arbeider kunne fÄ to hjelmer og sette en av dem pÄ rumpa. Vi har nÄ to detektorer samtidig: sÞker etter et skjelett og bestemmer en fargeflekk som matcher toppunktet til dette skjelettet, og sÞker etter objekter som beveger seg synkront. Den andre metoden viste seg Ä vÊre lettere Ä oppdage: for eksempel blir en person med hjelm pÄ baken nesten aldri inspisert av denne hjelmen. For for Ä gjÞre dette mÄ du rotere hodet. Og denne bevegelsen er veldig lett Ä oppdage. Mer presist, vi vet ikke nÞyaktig hva som faktisk oppdages der (det er et nevralt nettverk), men det lÊrte veldig raskt og fanger overtredere, kan man si, ved deres gange.

Farlige bransjer: vi ser pÄ deg, %username% (videoanalyse)
Vi bygger en modell av en person.

Da bygger vi rett og slett et varmekart i sanntid og rapporterer pÄ slutten av dagen.

FĂžlgelig, ved Ă„ bruke samme prinsipp - ved Ă„ trene et nevralt nettverk - oppdages fĂžlgende lett:

  • Hjelmer.
  • BadekĂ„per.
  • Vester.
  • StĂžvler.
  • HĂ„r som stikker.
  • Sikkerhetskarabiner.
  • Åndedrettsvern.
  • Beskyttelsesbriller.
  • Riktig bruk av jakke (viktig for elektrisk utstyr: det kan forĂ„rsake stĂžt i maskinrommet ved produksjon).
  • Flytting av store instrumenter utenfor omkretsen.

Totalt er 29 detektorer allerede testet. Det eneste poenget er at siden vi jobber i farlige bransjer som kjemi eller gruvedrift, er det krav til hanskertypene. For eksempel lang og kort. I dette tilfellet mÄ de ha forskjellige farger: det er veldig vanskelig Ä bestemme lengden under ermet ved hjelp av et videokamera.

Men her var det ofte tilfeller av rotter. Vi har ikke en egen rottedetektor, men vi har en detektor for gjenstander som forstyrrer driften av maskinen:

Farlige bransjer: vi ser pÄ deg, %username% (videoanalyse)

Hva annet blir oppdaget?

Vi har testet detektorer i kjemiske anlegg, i gruveindustrien, i atomindustrien og pÄ byggeplasser. Det viste seg at du med en liten innsats kan lÞse flere krav som tidligere ble lÞst av de samme bestemÞdrene, og forsÞkte forblÞffende Ä se noe i bildet gjennom dÄrlig opplÞsning og dÄrlig bildefrekvens. NÊrmere bestemt:

  • Siden vi fortsatt bygger en skjelettmodell av hver arbeider, kan fall oppdages. Hvis den faller, kan du umiddelbart stoppe maskinen ved siden av den er plassert (i pilotimplementeringer var det ingen slik integrasjon, det var bare alarmer). Vel, det er hvis du har IoT.
  • SelvfĂžlgelig Ă„ vĂŠre i farlige omrĂ„der. Det er veldig enkelt, veldig nĂžyaktig og veldig nyttig for alle. PĂ„ metallurgiske bedrifter jobber folk ved siden av kar av kokende stĂ„l; det er nyttig Ă„ herde stĂ„l, men noen ganger er det farlig Ă„ stĂ„ litt pĂ„ feil side. Med tanke pĂ„ driften av forskjellige komponenter og utstyr kan du endre disse farlige soner, angi en tidsplan for dem, og sĂ„ videre.
  • En annen veldig nyttig detektor om tilstedevĂŠrelsen av PPE overvĂ„ker ansattes ansvar og sjekker at de ikke er i fare. Her gĂ„r bestemoren til regnskapsoppgaven pĂ„ en svĂŠrt ansvarlig mĂ„te og har pĂ„ seg all PPE som kreves for henne. Prisverdig!

Farlige bransjer: vi ser pÄ deg, %username% (videoanalyse)

Det var veldig enkelt Ă„ implementere atferdskontroll – enten den ansatte sov eller ikke. Mens vi testet alt dette, utviklet reglene seg fra "Det mĂ„ vĂŠre en person i en grĂžnn hjelm i dette omrĂ„det" til "I dette omrĂ„det mĂ„ en person i en grĂžnn hjelm bevege seg." SĂ„ langt har det bare vĂŠrt Ă©n smart fyr som fant ut brikken og skrudde pĂ„ viften, men ogsĂ„ dette viste seg Ă„ vĂŠre enkelt Ă„ fikse.

Det var veldig viktig for kjemikere Ä registrere alle typer damp- og rÞykstrÄler. I oljeindustrien - integriteten til rÞr. Brann er vanligvis en standard detektor. Det er ogsÄ sjekk av lukkede luker.

Farlige bransjer: vi ser pÄ deg, %username% (videoanalyse)

Glemte ting oppdages pÄ samme mÄte. Vi testet dette pÄ en av stasjonene for et par Är siden, der gir det nesten ingen mening pÄ grunn av det store antallet arrangementer. Men i fabrikker, spesielt kjemiske, er det veldig praktisk Ä overvÄke ting i et rent omrÄde.

Interessant nok kan vi lese avlesningene til enheter i kameraomrÄdet direkte fra videoanalyse. Dette er relevant for de samme kjemikerne hvis produksjonskomplekser har hÞy fareklasse. Enhver endring, som Ä bytte ut en sensor, betyr en re-koordinering av prosjektet. Det er langt, dyrt og smertefullt. Mer presist er det LANGT, DYRT og SMERTEfullt. Derfor vil tingenes internett komme sent for dem. NÄ vil de ha videoovervÄking pÄ mÄlere og lese data, raskt svare pÄ dem og redusere tap pÄ grunn av uventet og ubemerket utstyrssvikt. Basert pÄ gjeldende mÄlerdata kan du bygge en digital tvilling av bedriften, implementere prediktivt vedlikehold og reparasjon, men det er en helt annen historie... Vi har allerede kontroll: vi skriver nÄ proaktive analyser basert pÄ totalen av data. Og separat - en batterierstatningsprediksjonsmodul.

En annen utrolig ting - det viste seg at i kornmagasiner og i lagring av materialer som knust stein, kan du skyte en haug fra 3-4 vinkler og bestemme kantene. Og etter Ä ha bestemt kantene, gi volumet av korn eller materiale med en feil pÄ opptil 1%.

Den siste detektoren vi skrev om var Ä overvÄke fÞrertrÞtthet, som "nikk", gjesping og blinkefrekvens. Dette er for HD-kameraer hvor Þynene er synlige. Mest sannsynlig vil den bli installert i kontrollrom. Men hovedbehovet er BelAZ og KamAZ lastebiler for steinbrudd. Noen ganger faller biler ned der, sÄ nÄ pÄ gruvestedet er de tvunget til Ä finne pÄ noe for Ä kontrollere sjÄfÞren. Roboten er bedre enn bestemor.

Om biler. For eksempel brukes temaet tretthetskontroll aktivt av bilprodusenter, ikke bare BelAZ, KamAZ og andre MAZ-kjÞretÞyer. Produsenter bygger allerede tretthetsvarsling for fÞrere inn i vanlige vanlige biler, men sÄ langt har de ganske enkle lÞsninger som kun analyserer bilens posisjon i forhold til markeringene og rattbevegelsens natur. Vi gikk videre og oppdaget menneskelig atferd, som er mye mer kompleks.

Et annet tilfelle av sjÄfÞrovervÄking er pÄvisning av feil oppfÞrsel ved bruk av bildelingsmaskiner. Du kan ikke snakke i telefonen uten hÄndfri, spise, drikke, rÞyke og mye mer.

Farlige bransjer: vi ser pÄ deg, %username% (videoanalyse)

Å, og en siste ting. Vi har i flere Ă„r nĂ„ kunnet spore et objekt mellom kameraer – nĂ„r for eksempel noe ble stjĂ„let, mĂ„ du sjekke hvilken vei og hvordan. Hvis det er 100 kameraer pĂ„ anlegget, vil du bli utslitt av Ă„ lĂžfte materialet. Og da vil systemet automatisk generere en actionfylt thriller om Ocean og vennene hans.

Hva er forskjellen fra systemet for to Är siden? NÄ er dette ikke bare anerkjennelse som "en skallet mann i en oransje jakke forlot en celle og gikk nesten umiddelbart inn i en annen," men en matematisk modell av rommet bygges, og basert pÄ den bygges hypoteser om objektets bevegelse. Det vil si at alt dette begynte Ä fungere i omrÄder med overlapping og steder med blinde flekker, noen ganger omfattende. Og detektorene er nÄ mye bedre, fordi det finnes biblioteker som bestemmer alder for ansikt. PÄ HD-kameraer kan du angi orienteringer som "en 30 Är gammel mann med en 35 Är gammel kvinne."

SĂ„ kanskje om 5-7 Ă„r avslutter vi produksjonen og drar hjem til deg. For sikkerhet. Dette er i din egen interesse, borger!

referanser

Kilde: www.habr.com

Legg til en kommentar