Комп’ютерний зір – технологія, яка допомагає створити безпечне середовище на виробництві
5 хв.

Комп’ютерний зір – технологія, яка допомагає створити безпечне середовище на виробництві

author avatar Світлана Чапліч

Комп’ютерний зір (Computer Vision, CV) виконує важливі завдання в охоронних системах, медицині, на транспорті та, звичайно, на виробництві, де на додаток до оптимізації процесів допомагає створювати безпечні умови праці.

За оцінкою Міжнародної організації праці (МОП), останні кілька років на робочих місцях та від професійних захворювань щороку гине понад 3 мільйони осіб – це на 12% більше, ніж на початку 2000-х. Крім того, за останній рік зареєстровано майже 400 мільйонів несмертельних нещасних випадків на виробництвах.

Хоча в окремих регіонах ці цифри, ймовірно, продовжать зростати, даний процес цілком реально призупинити у низці економічно розвинених країн. І допоможе в цьому комп’ютерний зір.

Роль CV у забезпеченні безпеки на робочих місцях

Основне завдання комп'ютерного зору полягає в тому, щоб розпізнавати, класифікувати та аналізувати зображення та відео, використовуючи алгоритми машинного навчання. Обчислювальній системі байдуже, які дані їй «згодовують»: головне, щоб у них чітко простежувалися відмінності одних об’єктів від інших.

Якщо в медицині це будуть результати досліджень чи рентгенівські знімки, то у системах контролю дорожнього трафіку – зображення різних типів транспортних засобів, а на виробництві – зображення людей, пакування, окремих деталей чи готової продукції.

Ось декілька прикладів того, як комп’ютерний зір робить безпечнішим перебування робітників на фабриках та заводах:

Контроль за дотриманням зон. На деяких виробничих ділянках може бути потенційно небезпечно: там, де постійно тривають процеси горіння, завантажують та розвантажують великогабаритні товари, а також на коліях, де постійно рухаються візки з вантажами. Система, що використовує комп’ютерний зір, може вчасно попередити людину про небезпеку.

Захист від випадкових зіткнень вантажів на стрічці конвеєра. Аналогічна за наслідками ситуація, тільки в такому випадку високі ризики отримати травму мають конкретно оператори лінії, які перебувають поруч.

Контроль периметра. Зазвичай ця опція дає змогу попередити винос за територію підприємства сировини, окремих деталей або готової продукції. Але водночас в руках у робітника може виявитися вибухівка, токсичні або інші небезпечні речовини. Неправильне поводження з ними може призвести до нещасного випадку та завдати шкоди як самому працівникові, так і його оточенню.

Контроль устаткування. Зношені або несправні машини також можуть стати причиною виробничого травматизму на робочих місцях.

Виявлення ознак перевтоми та проблем зі здоров’ям. Зміна в поставі, рухах рук під час роботи, зниження швидкості при виконанні типових операцій – усе це може свідчити про те, що співробітник працює на межі своїх можливостей або захворів. У такому стані він ризикує не тільки припуститися помилок, а й травмуватися.

Оцінка якості продукції, що пов’язана з ризиками для здоров’я людини. На шкідливих виробництвах (металургія, хімічна, фармацевтична, текстильна промисловості) системи на базі машинного зору порівнюють властивості продукції з внутрішніми стандартами. Це дає змогу скоротити час перебування людей у приміщеннях із високою концентрацією небезпечних речовин.

Контроль використання засобів індивідуального захисту (ЗІЗ). Носіння касок, респіраторів, спеціальних костюмів хімзахисту допомагає скоротити кількість нещасних випадків, зокрема фізичних травм, опіків шкіри та слизових оболонок.

Хоча використання ЗІЗ регламентовано внутрішніми вимогами техніки безпеки, багато робітників їх просто ігнорують, якщо відсутній додатковий контроль.

Виявлення хворих співробітників. Підвищення температури є основним симптомом вірусних захворювань. Використання комп’ютерного зору в системах контролю доступу дає змогу безконтактно, абсолютно безпечно і швидко (за пару секунд) виявляти хворих і відправити їх до медпункту на додаткове обстеження. У період пандемії такий підхід допомагав запобігти масовому зараженню коронавірусом на об’єктах критичної інфраструктури.

У деяких випадках нарівні з людиною на виробництві працюють роботи. І тоді завдання полягає в тому, щоб створити умови для їх безпечного перебування поруч. Про те, як це може виглядати, розповідає Євген Кондратенко, технічний директор KAPELOU:

«У своїх рішеннях з автоматизації складських процесів ми використовуємо системи машинного зору для забезпечення безпеки, швидкості та якості виконання завдань. Наприклад, робот-маніпулятор працює з великою швидкістю і має велику потужність. Людина не завжди може зреагувати на рух маніпулятора та в результаті отримує травму. Тому ми оснащуємо маніпулятор спеціальними оптичними приладами лідарами, які контролюють зону роботи робота. Якщо до цієї зони потрапляє людина, система автоматично зупиняється».

Технічна реалізація

Наявні системи комп’ютерного зору розпізнають, класифікують та аналізують об'єкти з точністю до 99%, хоча ще 10 років тому цей показник був меншим за 50%.

Така висока точність має свою «ціну»: для запуску та роботи подібного рішення, яке працює в режимі реального часу, потрібні потужні обчислювальні ресурси. Вони мають обробляти дані, що надсилають камери, а вже ті генерують десятки й сотні зображень за секунду.

Також потрібне окреме обладнання для передачі даних та їх зберігання. Це робить подібні системи досить дорогими у реалізації.

«Наразі комп’ютерний зір переважно доступний для великих компаній, які мають достатньо ресурсів для інвестицій у цю технологію. Вартість обладнання, розробки спеціалізованого ПЗ, збору та підготовки даних є високою, що обмежує можливості малого й середнього бізнесу. Однак існує велика ймовірність того, що комп’ютерний зір стане більш доступним із розвитком технологій і зростанням конкуренції. Це може статися завдяки зниженню вартості компонентів та появі готових рішень, які можна легко інтегрувати у бізнес-процеси. Також, аналогічно до генеративного штучного інтелекту, з’являтимуться сервіси, що дають змогу компаніям різного розміру використовувати комп’ютерний зір без необхідності великих початкових інвестицій у час та ресурси», – зазначив технічний спеціаліст компанії EPAM.

Ідеально, якщо компанія має великі набори реальних даних. Але сьогодні паралельно з ними використовуються синтетичні дані, які імітують реальні, – настільки якісно, що це практично не впливає на точність роботи. Це один зі способів здешевити процес навчання інтелектуальної системи та знайти вихід у ситуаціях із недостатньою кількістю реальних даних.

Оптимізувати ж витрати на ІТ-інфраструктуру, яка забезпечить виконання пов’язаних із комп’ютерним зором навантажень, допомагають хмарні рішення. Це зручно, оскільки провайдер надає необхідні обчислювальні ресурси на базі процесорів та пам’яті, адаптованих під такий тип навантажень, а компанія оплачує ці ресурси в міру споживання та делегує непрофільні завдання IT-фахівцям із необхідними компетенціями.

Одним із яскравих прикладів використання комп’ютерного зору на виробництві можна назвати системи ADAS (Advanced Driver Assistance System), які початково призначалися для безпеки на транспорті.

Кожна така система включає одну або кілька камер, радари та лідери. Ці пристрої розпізнають транспортні засоби й інші об’єкти, що наближаються на небезпечну відстань, а також вміють визначати стан водія та пасажирів.

ADAS-рішення добре зарекомендували себе на будівельних і промислових майданчиках.

Проблеми та виклики

Навіть серед великих компаній частка тих, що використовують комп’ютерний зір на виробничих об’єктах, не перевищує 10%. На це є принаймні кілька причин.

Нестача якісних даних для навчання. Хоча можна користуватися одночасно синтетичними та реальними даними, збір останніх все ще викликає труднощі. Це тривалий, складний та ресурсомісткий процес для абсолютної більшості підприємств.

Нестача фінансування. COVID-19, рецесія та війни негативно вплинули на прагнення бізнесу впроваджувати високотехнологічні й дорогі технології. Інвестувати у такі рішення може дозволити собі невелика частка компаній, які впевнені у завтрашньому дні та зацікавлені не лише оптимізувати витрати, а й підвищити безпеку на своїх підприємствах.

Строки запуску проєкту. Процес може тривати кілька місяців. Крім ресурсів на створення моделі треба врахувати час на налаштування та калібрування камер, збір, очищення та перевірка вихідних даних. Тільки після цього почнеться навчання, тестування і, зрештою, розгортання готового рішення.

Експерти поки що не мають єдиної думки з приводу доцільності масового використання комп'ютерного зору на виробництві. Багато хто визнає переваги, але закликає не ігнорувати складність і ресурсомісткість завдання, тверезо оцінювати початкові витрати та бути готовими до збоїв під час перехідного періоду.

Про те, перед якими труднощами постають саме українські компанії, розповідає технічний фахівець EPAM:

«Першою проблемою є висока вартість обладнання та необхідних технологічних компонентів. Другою проблемою – брак кваліфікованих спеціалістів у галузі комп’ютерного зору та штучного інтелекту. Щодо правових та етичних обмежень, то в Україні існують законодавчі рамки, що регулюють збір та обробку персональних даних, що може впливати на використання технологій комп’ютерного зору. Також існують етичні фактори, що пов’язані з приватністю та непорушністю особистого життя, що важливо враховувати при розробці й впровадженні подібних систем».

Попри побоювання щодо скорочення робочих місць через автоматизацію, багато прогнозів ґрунтуються на тому, що комп’ютерний зір у довгостроковій перспективі принесе більше користі, аніж шкоди.

Крім того, що підприємство отримає важливу конкурентну перевагу, воно зможе скоротити кількість нещасних випадків на виробництві й створити більш продуктивне та безпечне робоче середовище.

Підписуйтеся на ProIT у Telegram, щоб не пропустити жодну публікацію!

Приєднатися до company logo
Продовжуючи, ти погоджуєшся з умовами Публічної оферти та Політикою конфіденційності.