8 сентября 2022 г.
Производственный сектор сегодня является одной из ключевых отраслей, в которых используются решения по видеоаналитике. В зависимости от типа софта и специфики задачи данные могут анализироваться как в реальном времени (например, когда требуется моментальная реакция на определённые события), так и в архивном формате (например, когда требуется обобщить большой массив данных и выявить определённые закономерности).
Решения по видеоаналитике для производства имеют широкий функционал (нюансы каждого направления разберём ниже). Но все они объединены стремлением предотвратить негативные проявления человеческого фактора (сотрудники, контролирующие ход производственных процессов, не могут постоянно поддерживать высочайший уровень концентрации и уследить за всем), объективно оценивать все происходящие на производственной площадке события и оперативно реагировать на ситуации, требующие вмешательства.
Как правило, большинство этих решений кастомизированы под специфику производственных процессов и параметры площадки заказчика.
Задачи, стоящие перед видеоаналитикой на производстве по большей части связаны с различными аспектами промышленной безопасности, в числе которых соблюдение техники безопасности и следование производственным регламентам, своевременное выявление потенциально опасных ситуаций и предотвращение аварий и несчастных случаев.
- Контроль наличия средств индивидуальной защиты (СИЗ) преследует сразу две цели. Во-первых, оператор производственных процессов может в зародыше пресечь риск создания аварийной ситуации, вызванной отсутствием СИЗ у сотрудников. Во-вторых, фиксация нарушений использования СИЗ создаст доказательную базу для применения дисциплинарных санкций и позволит бороться со злостными нарушителями, которые создают перманентную угрозу несчастных случаев. Алгоритм отслеживает перемещение людей и идентифицирует наличие различных СИЗ, например, спецодежды, касок, защитных очков, перчаток, респираторов и так далее. Изображение сотрудника, не использующего данные СИЗ, обводится в красную рамку — и оператор получает сигнал о нарушении.
- Контроль пребывания людей в опасных зонах призван сократить число инцидентов, связанных с производственным травматизмом.
- Близка по смыслу с предыдущей задача контроля безопасности выполнения производственных операций. Здесь речь идёт о потенциальной опасности для сотрудников, работающих на «динамичном» оборудовании с движущимися элементами. В процессе совершения различных манипуляций — таких как переключение режимов работы станка, подача сырья и изделия — важно неукоснительно следовать производственным алгоритмам и не допускать опасного сближения с пилой, измельчителем, прессом и подобными устройствами, способными причинить тяжкий вред здоровью при контакте. В этом случае система видеоаналитики настроена так, что при приближении какой-либо части тела работника к механизму не только раздаётся предупреждающий сигнал, но и происходит аварийная остановка станка. На качество решения напрямую влияют показатели быстродействия как на аппаратном уровне (частота формирования кадров и скорость передачи данных), так и на уровне ПО (скорость обработки данных).
- Впрочем, в некоторых ситуациях необходимость использования видеоаналитики продиктована не только заботой о безопасности, но и экономическими соображениями. Типичными задачами являются повышение качества продукции и снижение расхода сырья. Например, в металлургии компьютерное зрение помогает устранять дефекты при обработке металлических заготовок и снизить брак при манипуляциях с ними. Одна из задач — контроль «нарезания» монолитного стального профиля на куски заданной длины с помощью так называемых летучих ножниц — механизма под управлением оператора. Система измеряет длину металлической заготовки как в горячем, так и в остывающем состоянии, и направляет траекторию работы ножниц.
- Также актуальны задачи контроля работы оборудования, в этом случае помимо прямых методов (обнаружение с помощью видеоаналитики визуальных повреждений и дефектов) применяется технология поиска аномалий, когда специальная нейронная сеть обучается на типичное состояние оборудования, и нейронка начинает различать отклонения от нормального вида. Например, обнаруживает повреждения конвейерной ленты или дефекты готовой продукции. Такой подход применяется в тех случаях, когда невозможно собрать полноценный и большой датасэт дефектов или состояний оборудования, необходимый для обучения нейронной сети, которая бы распознавала данное состояние, то есть задача решается «от обратного».
Выделяя отрасли, где решения видеоаналитики наиболее востребованы, помимо металлургии, отметим строительство, автопром, машиностроение, нефтегазовый и химический сектор, оборонно-промышленный комплекс, бумажное и упаковочное производство, пищевая промышленность и энергетика.
Суммарный объём российского рынка видеоаналитики показывает стабильный рост, который сохранялся даже в период ухудшения эпидемиологической ситуации. По прогнозу аналитиков, в конце 2022 года этот показатель составит 12,8 млрд руб., в этом случае прирост год от года составит 6%.
Чтобы понять динамику спроса на решения видеоаналитики, компания NtechLab провела анализ коммерческих запросов и сравнила показатели
В заключение подчеркнём, что отечественные решения по видеоаналитике можно назвать практически независимыми от иностранных технологий. Российские специалисты накопили серьёзную экспертизу в разработке различных программных алгоритмов, а всё возрастающий интерес к видеоаналитике со стороны различных отраслей позволяет совершенствовать понимание их потребностей на примерах новых кейсов.
Источник: Василий Долгов, руководитель направления разработки систем видеоаналитики и машинного зрения компании САТЕЛ