在工業環境中工作一直是危險的,工廠經理們努力尋找最佳的解決方案,以儘量減少傷亡。其目的是減少危害,管理風險,預防事故的發生。相關立法執行了許多規章制度,但這些規章制度大多源於過去的錯誤,不足以避免將來的不幸。
使用IoT傳感器可以為算法提供實時數據,並允許它在現場做出決策。例如,如果傳感器檢測到氣體洩漏,溫度升高或多餘的溼度,則工作可能立即停止,或者至少通知現場管理員。這些類型的決定是確定性的,對未來的瞭解並不多。
創建更安全環境的另一種方法是使用計算機和機器學習的功能。通過創建不同的場景,該算法可以感知什麼是安全與什麼不安全之間的差異。
計算機視覺功能
機器視覺的進步意味著現在的算法可以識別物體、邊緣和速度。隨著處理能力(GPU)、傳感器和獨立運載系統(如機器人和無人機)的提高,我們現在具備了所有必要的要素,可以創建最先進的安全程序,這些程序完全自動化,比人類同類程序更好。
計算機視覺致力於有效複製人眼,並具有大腦分辨不同物體或情況之間差異的能力。在工業環境中使用此設備可以預防和減少事故的發生。
工業安全細分和解決方案
Safeopedia(https://www.safeopedia.com/definition/1052/industrial-safety),一個專用的網絡資源,定義了一系列主題,作為工業安全的一部分。我們將討論計算機視覺為每個解決方案提供的可能解決方案。
工藝與生產安全
大多數生產設施都已經安裝了閉路電視系統。計算機視覺算法可以使用這個實時的feed來檢測異常。例如,在特定區域,由於移動部件或其他危險,不允許工人進入。如果通過現場錄像發現這種情況,則可以停止整個過程。
機器視覺可以控制各種或不同的設備,從而使生產過程自動化。這提高了效率,並使工作場所更安全,因為它消除了人們在危險區域的需求。例如,通過使用條形碼,可以根據產品的最終目的地對產品進行分類或包裝,而無需人工操作。
材料安全
自動掃描儀可以安裝在生產線上。它可以識別出原材料中的任何缺陷,如劃痕、不均勻的油漆塗層,甚至是肉眼看不到但可能對最終產品造成災難的小缺陷。更重要的是,物聯網設備能夠以手動質量控制器不可能達到的速度實現這一點。來自InData實驗室的計算機視覺專家描述了多目標檢測如何使這一過程對同一物體的不同部分準確、快速。
消防安全
在所有工業環境中,熱感和煙霧傳感器已經成為標準安全設備的一部分。這些可以輔之以紅外攝像機等預防措施。例如,如果設備過熱並起火,則可以在紅外熱像儀上看到該設備,並在其成為危險之前將其停止。
電氣安全
使用IoT傳感器是確保所有電路正常運行的廉價有效方法。它可以收集有關張力,電壓,焦耳效應的數據,並防止過度充電,斷電甚至短路引起的火災。計算機視覺可以處理來自電路的各種不同信號,並檢測異常活動。
建築,工作場所和環境安全
安裝在無人機或其他類型的自動駕駛汽車上的高分辨率傳感器可以掃描周邊並檢測任何結構變化。這一點在煤礦,鹽礦或石油開採場所等高應力環境中尤為重要,因為任何突然的變化都可能導致人員傷亡或環境危害。
細分環境,並將每個部分與預定義的“良好”模型進行比較。通過識別差異,計算機可以幫助評估是否存在真正的危險。
所有人共同的一般安全方面
智能傳感器系統已經在一些地區投入使用,比如中國,政府在那裡使用面部識別系統來保證總體安全。這一想法可以在生產工廠複製,以消除訪問徽章的需要。與傳統的訪問卡或密鑰相比,生物特徵測量具有更高的精度。如果在現場處理數據,此解決方案最有效。
挑戰性
當然,這樣的努力也伴隨著一些問題。首先,傳感器必須處於最佳狀態,並且彼此之間和整個系統都要兼容。不應忽視連續安裝、連接和校準它們以確保平穩運行的工作。
其次,通過處理單元發送的數據量非常大,這意味著系統應該為網絡流量做好準備,或者找到在本地處理某些信息的方式,只發送結果以進行進一步分析。
最後,所存儲的圖像與現實之間可能會有細微的差異。系統的容忍度應設置得足夠低,以正確地對物體進行分類;設置得足夠高,以在可接受和危險情況之間做出區分。
未來發展方向
目前,計算機視覺算法大多是確定性的、有限的,但應用廣泛。想象一下機器學習將帶來的進步。它將告訴系統要查找什麼,並使其從過去的經驗中學習,就像QA工程師在工作中所做的那樣。
在初始訓練階段和現場校準之後,它將能夠提供其他功能,例如面部檢測。從各種傳感器收集數據並檢測相關危險的風險是另一個潛在的方向。