Um camarada está sem capacete, o segundo está sem luvas.
Na produção existem muitas câmeras não muito boas, para as quais não olham as avós mais atentas. Mais precisamente, eles simplesmente enlouquecem com a monotonia e nem sempre veem incidentes. Aí eles ligam devagar, e se estava entrando em uma zona perigosa, então às vezes não adianta ligar para a oficina, você pode ir direto para os familiares do trabalhador.
O progresso chegou ao ponto em que o robô pode ver tudo e dar uma chicotada em quem o violar. Por exemplo, lembrando por SMS, por uma leve descarga de corrente para a sirene, por vibração, por um guincho desagradável, por um flash de luz forte ou simplesmente avisando o gerente.
Especificamente:
- É muito fácil reconhecer pessoas sem capacete. Até os carecas. Caso avistássemos uma pessoa sem capacete, um alerta imediato era enviado ao operador ou responsável pela oficina.
- O mesmo vale para óculos e luvas em indústrias perigosas, cintos (embora por enquanto estejamos olhando apenas para o mosquetão), coletes refletivos, respiradores, toucas de cabelo e outros EPIs. Agora o sistema está treinado para reconhecer 20 tipos de Sizov.
- Você pode contar com precisão as pessoas no local e levar em consideração quando e quantas delas estavam lá.
- Você pode soar um alarme quando uma pessoa entra em uma zona perigosa, e esta zona pode ser configurada com base no fato de as máquinas iniciarem e pararem.
E assim por diante. O exemplo mais simples é a diferenciação de cores de pedreiros e despejadores de concreto com base na cor de seu capacete. Para ajudar o robô. Afinal, viver numa sociedade sem diferenciação de cores é não ter propósito.
Como eles roubam em um canteiro de obras
Um tipo de roubo comum é quando um empreiteiro prometeu trazer 100 trabalhadores para o local, mas na verdade trouxe 40-45. E a casa está sendo construída e construída. Ainda assim, ninguém pode contá-los com precisão. Como na famosa piada: se um urso se instalar em uma obra e comer gente, ninguém vai notar. Da mesma forma, o empreiteiro geral não tem como controlar as tripulações. Mais precisamente, mesmo se você usar ACS, ele ainda será enganado, .
Normalmente não existem sistemas de controle de acesso nos canteiros de obras ou eles estão apenas na entrada.
Fomos trocar experiências com civilizações altamente desenvolvidas e vimos que cada profissão (mais precisamente, função) tem sua cor de capacete. Aqui os pedreiros colocam os tijolos - eles têm capacetes azuis, os despejadores despejam o concreto - eles têm verdes, todo tipo de gente esperta andando por aí - eles têm amarelos, então você tem que fazer “ku” duas vezes na frente deles. E assim por diante.
E tudo isso é necessário para detectar facilmente cada função. A instalação possui várias dezenas de câmeras razoavelmente baratas que produzem algo em torno de 320x200 em cores. Os trabalhadores são contados pelos seus capacetes em tempo real, e um canteiro de obras específico é atribuído a cada câmera. Como resultado, no final das contas, tudo isso é costurado em análises para registrar horários por zona: quem trabalhou, em que quantidade e em que área.
Em geral, adotamos a experiência. Somente enquanto observávamos isso de perto é que as redes neurais avançaram muito e muitos novos detectores apareceram. Há apenas alguns anos, eles eram bastante caprichosos e instáveis, mas agora permitem capturar com muita precisão as situações mais interessantes. Principalmente devido à velocidade de processamento, os detectores muitas vezes cometem erros em quadros individuais, mas em um fluxo de vídeo com pequenas alterações no ângulo obtemos um excelente resultado prático.
E se eu colocar o segundo capacete no cinto?
Primeiro aprendemos que um trabalhador poderia pegar dois capacetes e colocar um deles na bunda. Agora temos dois detectores ao mesmo tempo: procurando um esqueleto e determinando um ponto colorido que corresponda ao vértice desse esqueleto, e procurando objetos em movimento sincronizado. O segundo método acabou sendo mais fácil de detectar: por exemplo, uma pessoa com capacete na bunda quase nunca é inspecionada por esse capacete. Porque para fazer isso você precisa girar a cabeça. E esse movimento é facilmente detectado. Mais precisamente, não sabemos exatamente o que é realmente detectado lá (é uma rede neural), mas ela aprendeu muito rapidamente e detecta os infratores, pode-se dizer, pelo seu andar.
Estamos construindo um modelo de pessoa.
Depois, simplesmente construímos um mapa de calor em tempo real e relatórios no final do dia.
Assim, usando o mesmo princípio - treinando uma rede neural - os seguintes são facilmente detectados:
- Capacetes.
- Roupões de banho.
- Coletes.
- Chuteiras.
- Cabelo colado.
- Mosquetões de segurança.
- Respiradores.
- Óculos de proteção.
- Usar jaqueta corretamente (importante para equipamentos elétricos: pode causar choque na casa de máquinas na produção).
- Mover grandes instrumentos para fora do perímetro.
No total, 29 detectores já foram testados. A única questão é que, como trabalhamos em indústrias perigosas, como a química ou a mineração, existem requisitos para os tipos de luvas. Por exemplo, longo e curto. Nesse caso, precisam ser de cores diferentes: é muito difícil determinar o comprimento sob a manga com uma câmera de vídeo.
Mas aqui havia casos frequentes de ratos. Não temos um detector de ratos separado, mas temos um detector para objetos que interferem na operação da máquina:
O que mais está sendo detectado?
Testamos detectores em fábricas de produtos químicos, na indústria de mineração, na indústria nuclear e em canteiros de obras. Descobriu-se que com um pouco de esforço você pode resolver vários outros requisitos que foram resolvidos anteriormente pelas mesmas avós, tentando ver algo na imagem através de baixa resolução e baixa taxa de quadros. Especificamente:
- Como ainda estamos construindo um modelo esquelético de cada trabalhador, as quedas podem ser detectadas. Caso caia, pode-se parar imediatamente a máquina próxima à qual está localizada (nas implementações piloto não existia essa integração, existiam apenas alarmes). Bem, isso se você tiver IoT.
- Claro, estando em áreas perigosas. É muito fácil, muito preciso e muito útil para todos. Nas empresas metalúrgicas, as pessoas trabalham perto de cubas de aço em ebulição; é útil endurecer o aço, mas às vezes é perigoso ficar um pouco do lado errado. Levando em consideração o funcionamento de diferentes componentes e equipamentos, você pode alterar esses perigosos zonas, definir uma programação para elas e assim por diante.
- Outro detector muito útil sobre a presença de EPI monitora a responsabilidade dos funcionários e verifica se eles não correm perigo. Aqui a avó aborda a tarefa contábil com muita responsabilidade e usa todos os EPIs necessários. Louvável!
Foi muito fácil implementar o controle de comportamento – se o funcionário estava dormindo ou não. Enquanto testávamos tudo isso, as regras evoluíram de “Deve haver uma pessoa com capacete verde nesta área” para “Nesta área, uma pessoa com capacete verde deve se mover”. Até agora só houve um cara esperto que descobriu o chip e ligou o ventilador, mas isso também acabou sendo fácil de consertar.
Era muito importante para os químicos registrar todos os tipos de jatos de vapor e fumaça. Na indústria do petróleo - a integridade dos tubos. O fogo é geralmente um detector padrão. Há também uma verificação de escotilhas fechadas.
Coisas esquecidas são detectadas da mesma maneira. Testamos isso em uma das estações há alguns anos, quase não faz sentido lá devido ao grande número de eventos. Mas nas fábricas, principalmente nas químicas, é muito conveniente monitorar as coisas em uma área limpa.
Curiosamente, podemos ler as leituras dos dispositivos na área da câmera diretamente da análise de vídeo. Isto é relevante para os mesmos químicos cujos complexos de produção possuem uma classe de risco elevada. Qualquer alteração, como a substituição de um sensor, significa uma reorganização do projeto. É longo, caro e doloroso. Mais precisamente, é LONGO, CARO e DOLOROSO. Portanto, a Internet das Coisas chegará tarde para eles. Agora eles querem vigilância por vídeo em medidores e leitura de dados, responder rapidamente a eles e reduzir perdas devido a falhas inesperadas e despercebidas do equipamento. Com base nos dados atuais dos medidores, você pode construir um gêmeo digital da empresa, implementar manutenção e reparos preditivos, mas isso é uma história completamente diferente... Já temos controle: agora estamos escrevendo análises proativas com base na totalidade dos dados. E separadamente - um módulo de previsão de substituição de bateria.
Outra coisa incrível - descobriu-se que em celeiros e no armazenamento de materiais como brita, você pode atirar em uma pilha de 3 a 4 ângulos e determinar suas bordas. E determinadas as arestas, dê o volume do grão ou material com erro de até 1%.
O último detector sobre o qual escrevemos foi o monitoramento da fadiga do motorista, como “acenar com a cabeça”, bocejar e piscar a frequência. Isto é para câmeras HD onde os olhos são visíveis. Muito provavelmente, será instalado em salas de controle. Mas a principal necessidade são os caminhões BelAZ e KamAZ para pedreiras. Às vezes os carros caem ali, então agora na mina eles são forçados a inventar algo para controlar o motorista. O robô é melhor que a vovó.
Sobre carros. Por exemplo, o tema controle de fadiga é usado ativamente pelas montadoras, não apenas BelAZ, KamAZ e outros veículos MAZ. Os fabricantes já estão construindo sistemas de alerta de fadiga do motorista em carros comuns, mas até agora possuem soluções bastante simples que analisam apenas a posição do carro em relação às marcações e a natureza do movimento do volante. Fomos além e detectamos o comportamento humano, que é muito mais complexo.
Outro caso de vigilância de motoristas é a detecção de comportamentos incorretos na utilização de máquinas de compartilhamento de carros. Você não pode falar ao telefone sem usar as mãos livres, comer, beber, fumar e muito mais.
Ah, e uma última coisa. Há vários anos conseguimos rastrear um objeto entre câmeras - quando, por exemplo, algo foi roubado, é preciso verificar em que direção e como. Se houver 100 câmeras na instalação, você ficará exausto ao levantar o material. E então o sistema irá gerar automaticamente um thriller cheio de ação sobre Ocean e seus amigos.
Qual é a diferença do sistema de dois anos atrás? Ora, isso não é apenas um reconhecimento como “um careca de jaqueta laranja saiu de uma cela e quase imediatamente entrou em outra”, mas é construído um modelo matemático da sala e, a partir dele, são construídas hipóteses sobre o movimento do objeto. Ou seja, tudo isso passou a funcionar em áreas com sobreposição e locais com pontos cegos, às vezes extensos. E os detectores agora estão muito melhores, porque existem bibliotecas que determinam a idade por rosto. Nas câmeras HD você pode definir orientações como “um homem de 30 anos com uma mulher de 35 anos”.
Então, talvez em 5 a 7 anos terminaremos a produção e iremos para sua casa. Por segurança. Isto é do seu interesse, cidadão!
referências
- Meu e-mail - [email protegido]
Fonte: habr.com