Jeden towarzysz jest bez hełmu, drugi bez rękawiczek.
W produkcji jest wiele niezbyt dobrych aparatów, w które nie zaglądają najbardziej uważne babcie. A dokładniej, po prostu wariują tam od monotonii i nie zawsze widzą incydenty. Potem dzwonią powoli i jeśli wjeżdżało się w niebezpieczną strefę to czasami nie ma sensu dzwonić do warsztatu, można udać się od razu do bliskich pracownika.
Postęp osiągnął punkt, w którym robot może wszystko zobaczyć i schłodzić każdego, kto go naruszy. Na przykład poprzez przypomnienie SMS-em, lekkie wyładowanie prądu do syreny, wibracje, nieprzyjemny pisk, błysk jasnego światła lub po prostu powiadomienie menadżera.
Konkretnie:
- Bardzo łatwo rozpoznać ludzi bez kasku. Nawet łysi. Jeśli widzieliśmy osobę bez kasku, natychmiast wysyłano powiadomienie do operatora lub kierownika warsztatu.
- To samo tyczy się gogli i rękawiczek w branżach niebezpiecznych, pasów bezpieczeństwa (choć na razie skupiamy się tylko na karabinku), kamizelek odblaskowych, masek oddechowych, czepków na włosy i innych środków ochrony indywidualnej. Teraz system jest przeszkolony do rozpoznawania 20 typów Sizowa.
- Można dokładnie policzyć osoby na danym obiekcie oraz uwzględnić, kiedy i ilu ich było.
- Możesz włączyć alarm, gdy osoba wejdzie do niebezpiecznej strefy, a tę strefę można skonfigurować w oparciu o fakt, że maszyny uruchamiają się i zatrzymują.
I tak dalej. Najprostszym przykładem jest różnicowanie barwne murarzy i betoniarzy na podstawie koloru ich hełmu. Aby pomóc robotowi. W końcu życie w społeczeństwie, w którym nie ma różnic kolorystycznych, oznacza brak celu.
Jak kradną na budowie
Jednym z typowych kradzieży jest sytuacja, gdy wykonawca obiecał sprowadzić na plac budowy 100 pracowników, ale w rzeczywistości sprowadził 40–45. A dom się buduje i buduje. Jednak tak naprawdę nikt nie jest w stanie ich dokładnie policzyć. Jak w słynnym dowcipie: jeśli niedźwiedź zadomowi się na budowie i zje ludzi, nikt tego nie zauważy. Podobnie generalny wykonawca nie ma możliwości kontrolowania ekip. Dokładniej, nawet jeśli skorzystasz z ACS, i tak zostanie oszukany, .
Zwykle na budowach nie ma systemów kontroli dostępu lub są one jedynie przy wejściu.
Pojechaliśmy wymienić doświadczenia z wysoko rozwiniętymi cywilizacjami i zobaczyliśmy, że każdy zawód (a dokładniej rola) ma swój własny kolor hełmu. Tutaj murarze kładą cegły - mają niebieskie hełmy, lejarze wylewają beton - mają zielone, po okolicy chodzą jacyś mądrzy ludzie - mają żółte, więc trzeba przed nimi dwa razy zrobić „ku”. I tak dalej.
A wszystko to jest potrzebne, aby bardzo łatwo wykryć każdą rolę. W placówce znajduje się kilkadziesiąt dość tanich kamer, które produkują w kolorze około 320x200. Pracownicy są zliczani w czasie rzeczywistym po ich hełmach, a do każdej kamery przypisany jest konkretny plac budowy. W efekcie na koniec wszystko to jest łączone w analitykę, aby rejestrować harmonogramy według stref: kto pracował, w jakiej ilości i na jakim obszarze.
Ogólnie rzecz biorąc, przyjęliśmy doświadczenie. Dopiero gdy przyjrzeliśmy się temu z bliska, sieci neuronowe posunęły się daleko do przodu i pojawiło się wiele nowych detektorów. Jeszcze kilka lat temu były dość kapryśne i niestabilne, teraz pozwalają bardzo trafnie uchwycić najciekawsze sytuacje. Nie tylko ze względu na szybkość przetwarzania, detektory często popełniają błędy na poszczególnych klatkach, ale na strumieniu wideo z niewielkimi zmianami kąta uzyskujemy doskonały praktyczny wynik.
A co jeśli założę drugi kask na pasek?
Najpierw dowiedzieliśmy się, że robotnik może wziąć dwa kaski i jeden z nich założyć na tyłek. Mamy teraz dwa detektory jednocześnie: poszukujący szkieletu i określający plamkę barwną pasującą do wierzchołka tego szkieletu oraz poszukujący synchronicznie poruszających się obiektów. Druga metoda okazała się łatwiejsza do wykrycia: np. osoba z kaskiem na tyłku prawie nigdy nie jest sprawdzana przez ten hełm. Ponieważ aby to zrobić, musisz obrócić głowę. I ten ruch jest bardzo łatwo wykrywalny. Dokładniej, nie wiemy, co dokładnie tam jest wykrywane (jest to sieć neuronowa), ale uczy się bardzo szybko i łapie sprawców, można by rzec, po ich chodzie.
Budujemy model człowieka.
Następnie po prostu budujemy mapę cieplną w czasie rzeczywistym i raportujemy na koniec dnia.
W związku z tym, stosując tę samą zasadę - ucząc sieć neuronową - można łatwo wykryć:
- Hełmy.
- Szlafroki.
- Kamizelki.
- Buty.
- Sklejone włosy.
- Karabińczyki bezpieczeństwa.
- Respiratory.
- Okulary ochronne.
- Prawidłowe noszenie kurtki (ważne dla sprzętu elektrycznego: może spowodować porażenie w maszynowni podczas produkcji).
- Przenoszenie dużych instrumentów poza obwód.
W sumie przetestowano już 29 detektorów. Tyle, że skoro pracujemy w branżach niebezpiecznych takich jak chemia czy górnictwo, to istnieją wymagania co do rodzajów rękawic. Na przykład długie i krótkie. W takim przypadku muszą mieć różne kolory: bardzo trudno jest określić długość pod rękawem za pomocą kamery wideo.
Ale tutaj często zdarzały się przypadki szczurów. Nie mamy osobnego detektora szczurów, ale mamy detektor obiektów zakłócających pracę maszyny:
Co jeszcze jest wykrywane?
Testowaliśmy czujki w zakładach chemicznych, w górnictwie, przemyśle nuklearnym i na budowach. Okazało się, że przy odrobinie wysiłku można rozwiązać jeszcze kilka wymagań, które wcześniej rozwiązały te same babcie, oszołomione, próbując coś zobaczyć na obrazie poprzez słabą rozdzielczość i słabą liczbę klatek na sekundę. Konkretnie:
- Ponieważ wciąż budujemy model szkieletu każdego pracownika, można wykryć upadki. Jeśli spadnie, można natychmiast zatrzymać maszynę, obok której się znajduje (w pilotażowych wdrożeniach nie było takiej integracji, były po prostu alarmy). Cóż, jeśli masz IoT.
- Oczywiście przebywając w niebezpiecznych obszarach. Jest to bardzo proste, bardzo dokładne i bardzo przydatne dla każdego. W przedsiębiorstwach metalurgicznych ludzie pracują obok kadzi z wrzącą stalą, warto hartować stal, ale czasami niebezpiecznie jest stać trochę po niewłaściwej stronie. Biorąc pod uwagę działanie różnych komponentów i urządzeń, możesz zmienić te niebezpieczne strefy, ustaw dla nich harmonogram i tak dalej.
- Kolejny bardzo przydatny czujnik obecności środków ochrony indywidualnej monitoruje odpowiedzialność pracowników i sprawdza, czy nie stanowią oni zagrożenia. Tutaj babcia podchodzi do zadań księgowych bardzo odpowiedzialnie i nosi wszystkie wymagane dla niej środki ochrony indywidualnej. Chwalebny!
Bardzo łatwo było wdrożyć kontrolę zachowania – czy pracownik śpi, czy nie. Kiedy to wszystko testowaliśmy, zasady ewoluowały od „W tym obszarze musi znajdować się osoba w zielonym kasku” do „W tym obszarze musi się poruszać osoba w zielonym kasku”. Jak dotąd tylko jeden mądry facet wymyślił chip i włączył wentylator, ale to również okazało się łatwe do naprawienia.
Dla chemików bardzo ważne było rejestrowanie wszelkiego rodzaju strumieni pary i dymu. W przemyśle naftowym - integralność rur. Ogień to na ogół standardowa czujka. Sprawdzane są także zamknięte włazy.
Zapomniane rzeczy są wykrywane w ten sam sposób. Testowaliśmy to na jednej ze stacji kilka lat temu, tam ze względu na dużą liczbę wydarzeń prawie nie ma to sensu. Ale w fabrykach, zwłaszcza chemicznych, bardzo wygodnie jest monitorować rzeczy w czystym miejscu.
Co ciekawe, odczyty urządzeń znajdujących się w obszarze kamery możemy odczytać bezpośrednio z analityki wideo. Dotyczy to tych samych chemików, których kompleksy produkcyjne mają wysoką klasę zagrożenia. Każda zmiana, np. wymiana czujnika, oznacza ponowną koordynację projektu. Jest długa, kosztowna i bolesna. A dokładniej jest DŁUGI, KOSZTOWY i BOLESNY. Dlatego Internet Rzeczy przyjdzie do nich późno. Teraz chcą monitoringu wideo na licznikach i odczytywania danych, szybkiego reagowania na nie i ograniczania strat spowodowanych niespodziewaną i niezauważoną awarią sprzętu. Na podstawie bieżących danych z liczników można zbudować cyfrowego bliźniaka przedsiębiorstwa, wdrożyć konserwację predykcyjną i naprawy, ale to zupełnie inna historia… Mamy już kontrolę: teraz piszemy proaktywną analitykę opartą na całości danych. I osobno - moduł przewidywania wymiany baterii.
Kolejna niesamowita rzecz - okazało się, że w spichlerzach i magazynach materiałów takich jak tłuczeń kamienny, można strzelić stos pod 3-4 kątami i określić jego krawędzie. A po ustaleniu krawędzi podaj objętość ziarna lub materiału z błędem do 1%.
Ostatni detektor, o którym pisaliśmy, monitorował zmęczenie kierowcy, takie jak „kiwanie głową”, ziewanie i częstotliwość mrugania. Dotyczy to kamer HD, w których widoczne są oczy. Najprawdopodobniej zostanie zainstalowany w sterowniach. Ale głównym zapotrzebowaniem są ciężarówki BelAZ i KamAZ do kamieniołomów. Czasami spadają tam samochody, więc teraz na terenie kopalni zmuszeni są wymyślić coś, co zapanuje nad kierowcą. Robot jest lepszy od babci.
O samochodach. Na przykład temat kontroli zmęczenia jest aktywnie wykorzystywany przez producentów samochodów, nie tylko BelAZ, KamAZ i inne pojazdy MAZ. Producenci już wbudowują systemy ostrzegające o zmęczenie kierowcy w zwykłych, zwykłych samochodach, ale na razie dysponują dość prostymi rozwiązaniami, które analizują jedynie położenie samochodu względem oznaczeń i charakter ruchu kierownicy. Poszliśmy dalej i odkryliśmy ludzkie zachowanie, które jest znacznie bardziej złożone.
Innym przypadkiem monitoringu kierowców jest wykrywanie nieprawidłowych zachowań podczas korzystania z automatów do wspólnego korzystania z samochodu. Nie możesz rozmawiać przez telefon bez zestawu głośnomówiącego, jeść, pić, palić i nie tylko.
Aha, i jeszcze jedna rzecz. Od kilku lat udaje nam się namierzyć obiekt pomiędzy kamerami – gdy np. coś zostało skradzione, trzeba sprawdzić w jaki sposób i w jaki sposób. Jeśli na obiekcie jest 100 kamer, będziesz zmęczony podnoszeniem materiału. A następnie system automatycznie wygeneruje pełen akcji thriller o Oceanie i jego przyjaciołach.
Jaka jest różnica w stosunku do systemu sprzed dwóch lat? Teraz nie jest to tylko rozpoznanie w stylu „łysy mężczyzna w pomarańczowej marynarce opuścił jedną celę i niemal natychmiast wszedł do drugiej”, ale budowany jest matematyczny model pomieszczenia i na jego podstawie budowane są hipotezy dotyczące ruchu obiektu. Oznacza to, że wszystko to zaczęło działać w obszarach nakładających się i miejscach z martwymi punktami, czasem rozległymi. A detektory są teraz znacznie lepsze, bo istnieją biblioteki, które określają wiek na podstawie twarzy. W kamerach HD możesz ustawić orientację, np. „30-letni mężczyzna z 35-letnią kobietą”.
Być może za 5-7 lat zakończymy produkcję i pojedziemy do Twojego domu. Dla bezpieczeństwa. To jest w twoim interesie, obywatelu!
referencje
- Mój mail - [email chroniony]
Źródło: www.habr.com