Искусственный интеллект для мониторинга соблюдения техники безопасности

  Безопасность сотрудников - главный приоритет любого производства. Большинство несчастных случаев происходит из-за нарушений правил техники безопасности и человеческого фактора. Традиционные методы контроля с помощью инженеров по ТБ и периодических обходов не в состоянии обеспечить постоянный контроль. Именно поэтому все больше предприятий внедряют системы автоматического мониторинга на базе искусственного интеллекта и компьютерного зрения. Такие системы позволяют в режиме реального времени отслеживать соблюдение техники безопасности персоналом, мгновенно выявлять нарушения и предотвращать потенциально опасные ситуации до их возникновения.

  Современные системы мониторинга безопасности на базе искусственного интеллекта предоставляют широкий спектр возможностей для контроля соблюдения ТБ. Ключевыми функциями таких систем являются:

• автоматическое распознавание средств индивидуальной защиты (СИЗ),
• выявление опасных действий и ситуаций,
• контроль нахождения персонала в опасных зонах,
• мониторинг технологических процессов и оборудования.

  Система работает круглосуточно, анализируя видеопоток в режиме реального времени, реагирует на любые отклонения от установленных норм безопасности.

  Нейронные сети, обученные на тысячах изображений, способны с высокой достоверностью распознавать ношение средств защиты, таких как:

• каски,
• защитные очки,
• респираторы,
• спецодежда.

  Система учитывает специфику конкретных рабочих зон и требования к защитной экипировке для различных категорий персонала. Алгоритмы компьютерного зрения анализируют не только факт наличия СИЗ, но и корректность их использования. Например, система может определить:

• правильно ли застегнута спецодежда,
• надета ли каска,
• используются ли защитные очки по назначению.

  Это позволяет в том числе выявлять формальный подход сотрудников к соблюдению требований безопасности, когда СИЗ имеются в наличии, но применяются неправильно. Помимо контроля СИЗ, программа способна выявлять широкий спектр нарушений правил техники безопасности. Искусственный интеллект анализирует поведение сотрудников, отслеживая опасные действия:

• работу без страховки на высоте,
• нахождение в запрещенных зонах,
• неправильное использование оборудования, инструментов,
• иные потенциально опасные ситуации еще до того, как произойдет несчастный случай.

  Важной особенностью системы является способность адаптации. По мере накопления данных на конкретном производстве возможно совершенствование моделей распознавания, учитывающих специфику предприятия. Это позволяет повысить точность детектирования нарушений.

  При выявлении нарушений система мгновенно формирует уведомления, которые поступают ответственным сотрудникам через различные каналы связи:

• мобильное приложение,
• SMS,
• Email,
• Корпоративная сеть.

  Все выявленные нарушения автоматически регистрируются с сохранением фото/видеоматериалов, данных о времени, месте и характере нарушения. Эта информация используется для формирования аналитических отчетов, позволяющих выявлять проблемные участки и системные нарушения на производстве. На основе накопленных данных система может прогнозировать потенциальные риски.

  Внедрение системы компьютерного зрения для контроля ТБ требует комплексного подхода к разработке и последующей интеграции. Проект начинается с анализа существующих производственных процессов и точек контроля безопасности. На основе этого анализа проектируется архитектура системы, включающая:

• аппаратную часть (камеры, серверы, сетевое оборудование),
• программную составляющую (алгоритмы компьютерного зрения, интерфейсы, оповещения).

  Подсистема видеоаналитики применяет искусственный интеллект для анализа потокового видео, получаемого с камер, она реализуется в виде набора программных микросервисов, работающих на высокопроизводительных рабочих (Edge) станциях, оснащенных GPU-ускорителями. Общая схема решения представлена на диаграмме:

  Система аналитики состоит из 2х основных частей:

• Edge-станции,
• Подсистемы управления.

  ПО, установленное на Edge-станциях, снимает видеопотоки либо непосредственно с IP-камер, установленных в цеху, на складе (при наличии прямого доступа), либо обращаются к VMS-системам, предоставляющим соответствующие точки доступа.

  При выборе оборудования компьютерного зрения необходимо учитывать:

1. Во-первых, надежность работы в промышленных условиях - камеры должны выдерживать вибрации, перепады температур и запыленность. Лучше использовать промышленные IP-камеры с защитой класса IP67, оснащенные матрицами с высокой светочувствительностью и разрешением не менее 4K. Это обеспечивает качественный видеопоток даже в сложных условиях освещения.
2. Во-вторых, вычислительная платформа строится на базе серверов с GPU-ускорителями NVIDIA, оптимизированных для задач машинного обучения. В зависимости от масштаба производства и количества точек контроля может потребоваться от одного до нескольких серверов, объединенных в кластер.
3. В-третьих, сетевая инфраструктура проектируется с учетом требований к пропускной способности и надежности, обычно используются управляемые коммутаторы промышленного класса с поддержкой QoS и резервированием.

  Подсистема управления делает всю необходимую работу для того, чтобы подготовить и передать нужные настройки для Edge-станций. В частности, подсистема отвечает за функционал, необходимый для обучения моделей, используемых в алгоритмах машинного зрения. Обучение моделей производится на видео- и фотоматериалах, специальным образом подготовленных на данном производстве. Помимо этого, обеспечено хранение видеофрагментов, на которых были зафиксированы инциденты.

  Подсистема включает в себя следующие модули:

• Сервер управления, который служит централизованной точкой доступа к подсистеме аналитики и осуществляет следующие функции:
  • Управление настройками,
  • Управление обучающими материалами,
  • Доступ к видео фрагментам в заданном интервале времени.
• Сервер обучения, выполняющий задачи по тренировке моделей на ранее размеченных пользователем видео, а также фото сотрудников, предоставленных заказчиком. Различные модели обучаются для различных типов задач, таких как: детектирование СИЗ, распознавание лиц. При этом добавление нового СИЗ или фото сотрудника требует дополнительной настройки моделей, используемых в соответствующих задачах распознавания. Сервер управляется через Rest API. На вход принимает материалы для обучения, на выходе отдает обученные модели.
• Сервер хранения фрагментов видео, который строится на базе S3-совместимого облачного файлового хранилища Minio. Доступ к объектам (файлам видео и разметки) предоставляется по HTTP протоколу.

  Преимущество мониторинга безопасности на основе технологии искусственного интеллекта является легкая масштабируемость. После успешного внедрения на одном производственном участке производства система, может быть, в короткий срок развернута в других цехах и площадках предприятия. При этом сохраняются все настройки со сценариями работы, а нейросеть использует уже накопленный опыт распознавания нарушений.

  Важно отметить, что расширение комплекса не требует пропорционального увеличения затрат на инфраструктуру. Благодаря модульной архитектуре, блочным технологиям, достаточно установить дополнительные камеры и подключить их к существующему центру обработки данных. Это позволяет постепенно охватывать автоматическим мониторингом новые производственные участки. Для оценки эффективности внедрения ИИ-мониторинга используется:

• время реакции на инциденты,
• процент распознавания инцидентов,
• общее количество предотвращенных потенциально опасных ситуаций за отчетный период.

  На основе накопленных данных формируются отчеты, демонстрирующие эффективность работы ИИ. Анализируется работа комплекса по сменам, участкам, типам нарушений. Это помогает заказчику выявлять проблемные зоны, корректировать как настройки мониторинга, так и организацию работы персонала.

  Стоимость внедрения ИИ-мониторинга зависит от масштаба производства, необходимого функционала. В базовой конфигурации для небольшого цеха затраты составляют от 2 млн. рублей. Для крупных предприятий с несколькими производственными площадками инвестиции могут достигать 15 млн. рублей, но при этом обеспечивается комплексный контроль безопасности всех критически важных производственных участков.

  В стоимость внедрения входит не только установка оборудования, а также настройка оборудования под специфику конкретного производства. Это включает:

• обучение нейросети на основе реальных данных,
• создание правил и сценариев реагирования,
• интеграцию с существующими системами предприятия.

  Также предусматривается техническая поддержка, обновление программного обеспечения, что обеспечивает стабильную работу комплекса в течение всего срока эксплуатации.

• 5..7 случаев снятия защитных касок посетителями за неделю,
• Несанкционированный доступ в зоны погрузки.

  Решение: внедрена интеллектуальная система безопасности:

• Комплекс видеомониторинга в составе:
  • 15 камер с ИИ-аналитикой на входах склада и в зонах погрузки.
• Функциональность:
  • Детекция отсутствия касок с точностью 98,7%,
  • Распознавание нахождения в запретной зоне.
• Система мгновенного реагирования:
  • Голосовые предупреждения при нарушениях,
  • Автоматическая блокировка турникетов,
  • Уведомление службы безопасности.
• Система учета и отчетности:
  • Фиксация всех инцидентов с фото-подтверждением,
  • Формирование еженедельных отчетов,
  • Интеграция с CRM.

  Результаты за 3 месяца:

• 14 зафиксированных и предотвращенных нарушений,
• 100% посетителей используют СИЗ,
• Отсутствуют случаи доступа в опасные зоны.

• Простоям (ремонт повреждённых погрузчиков занимает до 3 дней),
• Риску травм,
• Финансовым потерям.

  Решение: система ИИ-контроля безопасности на базе:

• Умных датчиков движения – установлены в зонах пересечения маршрутов.
• Камер с компьютерным зрением, которые отслеживают:
  • Скорость погрузчиков;
  • Направление движения;
  • Дистанцию между погрузчиками.
• Алгоритма прогнозирования – анализирует траектории и предупреждает заранее о возможных столкновениях.

  Как это работает? При приближении погрузчиков к потенциально аварийной точке система:

• Формирует звуковой сигнал ("Внимание! Перекресток!");
• Выводит предупреждение на дисплей погрузчика;
• При критическом сближении автоматически снижает скорость.