Один товариш – без каски, другий – без рукавички.
На виробництвах є багато не найкращих камер, у квадратори яких дивляться не уважніші бабусі. Точніше, вони там просто божеволіють від одноманітності і не завжди бачать інциденти. Потім повільно дзвонять, а якщо це був захід у небезпечну зону, то іноді дзвонити в цех сенсу вже немає, можна одразу родичам робітника.
Прогрес дійшов того, що робот може побачити все і дати люлей кожному, хто порушує. Наприклад, нагадавши по SMS, легким розрядом струму на оповіщувач, вібрацією, неприємним писком, спалахом яскравого світла або просто сказати керівнику.
конкретно:
- Дуже легко розпізнавати людей без каски. Навіть лисих. Побачили людину без каски — одразу алерт оператору чи начальнику цеху.
- Те саме стосується окулярів і рукавичок на небезпечних виробництвах, страховки на поясі (правда, ми дивимося тільки на карабін поки), світловідбивних жилетів, респіраторів, шапочок для волосся та інших сиз. Сьогодні система навчена розпізнавати 20 типів Сізов.
- Можна точно рахувати людей на об'єкті та враховувати, коли і скільки їх було.
- Можна подавати тривогу під час заходу людини у небезпечну зону, причому ця зона може налаштовуватися за фактом запуску-зупинки верстатів.
І так далі. Найпростіший приклад - колірна диференціація укладачів цегли та заливників бетону за кольором каски. Для допомоги роботу. Зрештою, жити в суспільстві з відсутністю колірної диференціації означає не мати мети.
Як крадуть на будівництві
Один із видів поширеного крадіжки — це коли підрядник обіцяв привести на об'єкт 100 робітників, а за фактом привів 40–45. А будинок все будується та будується. Все одно їх ніхто точно порахувати за фактом не може. Як у відомому анекдоті: якщо на будівництві оселиться ведмідь і жертиме людей, то ніхто не помітить. Так і генпідрядник не має жодної можливості проконтролювати бригади. Точніше, навіть якщо використовувати СКУД, його все одно обдурять, .
Зазвичай СКУДів на будівництвах немає або вони лише на вхід.
Ми їздили змінюватися досвідом до високорозвинених цивілізацій і побачили, що у них кожна професія (точніше, роль) має свій колір каски. Ось цеглу кладуть укладальники — у них каски сині, бетон заливають заливники — у них зелені, поряд ходять усі розумники — у них жовті, тому перед ними треба робити двічі «ку». І так далі.
А потрібне все це, щоб дуже легко детектувати кожну роль. На об'єкті стоїть кілька десятків досить дешевих камер, які дають щось на зразок 320х200 у кольорі. Вважаються робітники за касками в реал-таймі, і до кожної камери прив'язана конкретна ділянка будівництва. У результаті все це наприкінці дня в аналітиці зшивається в облік графіків по зонах: хто, в якій кількості та на якій ділянці працював.
Загалом ми перейняли досвід. Тільки поки ми його придивлялися, нейромережі зробили крок далеко вперед, і з'явилося багато нових детекторів. Ще кілька років тому вони були досить примхливими та нестабільними, а зараз дозволяють дуже точно ловити найцікавіші ситуації. Не в останню чергу через швидкість обробки детектори нерідко помиляються на окремих кадрах, а на відеопотоці з невеликими змінами ракурсу ми отримуємо відмінний практичний результат.
А якщо я начеплю другу каску на пояс?
Спочатку ми дізналися, що робітник може отримати дві каски і одну з них начепити на дупу. У нас з'явилося відразу два детектори: пошук скелета і визначення колірної плями на відповідність з вершиною цього скелета і пошук об'єктів, що синхронно рухаються. По другому виявилося детектувати простіше: наприклад, людина з каскою на дупі майже ніколи не оглядається цією каскою. Тому що для цього треба крутити головою. А цей рух дуже легко детектується. Точніше, ми не знаємо, що там саме детектується насправді (це нейросеть), але навчилася вона дуже швидко і ловить порушників, можна сказати, по ході.
Ми будуємо модель людини.
Далі ми просто будуємо теплокартку в реальному часі та звіти наприкінці дня.
Відповідно за таким же принципом – навчанням нейромережі – легко детектуються:
- Каски.
- Халат.
- Жилетки.
- Чоботи.
- Стирчить волосся.
- Страхувальні карабіни.
- Респіратор.
- Захисні окуляри.
- Коректне носіння куртки (важливо для електроустаткування: може шандарахнути в машзалі на виробництві).
- Винесення великих інструментів за периметр.
Загалом зараз уже обкатали 29 детекторів. Єдиний момент — оскільки ми працюємо на небезпечних виробництвах на кшталт хімії чи видобутку, там є вимоги до рукавичок. Наприклад, довгі та короткі. В цьому випадку треба, щоб вони були різного кольору: довжину під рукавом відеокамери визначити дуже складно.
А ось тут часто були спрацювання з щурів. Окремого детектора щурів у нас немає, зате є детектор об'єктів, що заважають роботі верстата:
Що ще детектується?
Ми обкатували детектори на хімічних виробництвах, у добувній сфері, в атомній галузі та на будівництві. Виявилося, що незначними зусиллями можна закрити ще кілька вимог, які раніше вирішувалися тими ж бабусями, що шалено намагалися розгледіти щось на картинці через поганий дозвіл і з поганим фреймрейтом. Саме:
- Оскільки все одно будуємо скелетну модель кожного працівника, можна визначати падіння. За падінням можна відразу зупиняти верстат, поряд з яким він знаходиться (у пілотних впровадженнях такої інтеграції не було, були просто тривоги). Ну, якщо у вас є IioT.
- Звісно, знаходження у небезпечних зонах. Це дуже легко, дуже точно та дуже корисно всім. На металургійних підприємствах люди працюють поруч із чанами окропу, гартувати сталь корисно, але іноді небезпечно стояти трохи не з того боку З урахуванням роботи різних вузлів та обладнання можна змінювати ці небезпечні зони, задавати їм розклад і так далі.
- Інший дуже корисний детектор про наявність ЗІЗ контролює відповідальність співробітників та перевіряє, що їм нічого не загрожує. Ось тут бабуся дуже відповідально підходить до завдання обліку і носить всі належні їй ЗІЗ. Похвально!
Дуже легко було реалізовано контроль поведінки – конкретно спить працівник чи ні. Поки ми тестували все це, правила еволюціонували від «У цій зоні має бути людина в зеленій касці» до «У цій галузі людина в зеленій касці повинна рухатися». Поки знайшовся тільки один розумник, який просік фішку і ввімкнув вентилятор, але це теж виявилося легко поправити.
Хімікам було дуже важливо фіксувати всякі струмені пари, дим. У нафтовиці – цілісність труб. Вогонь взагалі стандартний детектор. А ще є перевірка закритих люків.
Так само детектуються забуті речі. Ми обкатували це на одному з вокзалів ще кілька років тому, там це майже не має сенсу через велику кількість подій. А ось на виробництвах, особливо на хімічних, дуже зручно стежити за речами у чистій зоні.
Цікаво, що з відеоаналітики ми вміємо зчитувати показання приладів у зоні камери. Це актуально тим самим хімікам, виробничі комплекси яких мають високий клас небезпеки. Будь-яка зміна на кшталт заміни датчика — переузгодження проекту. Це довго, дорого та боляче. Точніше, ДОВГО, ДОРОГО та ХВОРИМО. Тому в них Інтернет речей прийде пізно. Зараз вони хочуть відеоспостереження на лічильники і зчитувати дані, оперативно на них реагувати і скорочувати втрати через обладнання, що несподівано і непомічено вийшло з ладу. З актуальних даних лічильників можна побудувати цифровий двійник підприємства, впровадити предикативный ТОиР, але це зовсім інша історія…Контроль вже є: ми пишемо зараз проактивну аналітику з сукупності даних. І окремо – модуль передбачення заміни батарей.
Ще одна неймовірна штука — виявилося, що у зерносховищах та сховищах матеріалів типу щебеню можна знімати купу з 3–4 ракурсів та визначати її краї. А визначивши краї – давати обсяг зерна чи матеріалу з похибкою до 1%.
Останній детектор, який ми писали, - контроль втоми водія, типу «клювань носом», позіхання та частоти моргання. Це для HD-камер, де видно очі. Швидше за все, ставитиметься у диспетчерські. Але головна потреба – у БелАЗи, КамАЗи на кар'єри. Там, буває, машини падають, тож зараз на видобутку змушують щось вигадувати, щоб водія контролювати. Робот кращий за бабусю.
Про тачки. Наприклад, тема з контролем втоми активно застосовується автовиробниками не лише БелАЗів, КамАЗів та інших МАЗів. Вже у звичайні рядові автомобілі виробники вбудовують системи попередження про втому водіїв, але поки що у них досить прості рішення, що аналізують лише положення авто щодо розмітки та характер руху керма. Ми ж пішли далі і детектуємо поведінку людини, яка набагато складніша.
Ще один кейс стеження за водієм – детекція неправильної поведінки під час користування машинами car sharing. У них не можна говорити по телефону без hands free, їсти, пити, курити та багато чого іншого.
А й останнє. Ми вже кілька років як вміємо робити трекінг об'єкта між камерами — коли, наприклад, щось стирали, треба перевірити, як і як. Якщо на об'єкті - 100 камер, то піднімати матеріал замучишся. А тут система сформує гостросюжетний трилер про Оушена та його друзів автоматично.
У чому на відміну від системи дворічної давності? Тепер це не просто розпізнавання на кшталт «лисий в помаранчевій куртці з однієї камери вийшов і майже відразу в іншу зайшов», а будується математична модель приміщення, і за нею — гіпотеза про рух об'єкта. Тобто все це стало працювати на зонах з перекриттями та місцях зі сліпими плямами, причому іноді великими. Та й детектори тепер набагато кращі, адже є бібліотеки, які визначають вік по обличчю. На HD-камерах можна задавати орієнтування на кшталт «чоловік 30 років із жінкою 35 років».
Тож, можливо, років через 5–7 ми закінчимо з виробництвами та й підемо до вас додому. Для безпеки. Це у ваших інтересах, громадянине!
Посилання
- Моя пошта - [захищено електронною поштою]
Джерело: habr.com