Где используются технологии машинного зрения

«Технологии, которые еще недавно казались дорогими и сложными, постепенно становятся все более массовыми и доступными. Снижается стоимость камер видеонаблюдения, видеоаналитические функции сегодня интегрируются в различные приложения, а области их применения выходят за рамки нишевых, специализированных сегментов», — отмечает Василий Долгов, руководитель направления разработки систем видеоаналитики и машинного зрения компании САТЕЛ.

Современные камеры машинного зрения позволяют получать изображение лучшего качества, идентифицировать мельчайшие детали. Некоторые поставщики предлагают платформы со встроенным программным обеспечением для разработки различных вертикальных решений — в частности, для нужд медицины, биологии, розничной торговли, для применения в банкоматах и на транспорте.

К основным сферам применения систем машинного зрения относят также контроль качества продукции, управление технологическими процессами, мониторинг и идентификацию объектов. При этом исключается человеческий фактор: визуальный контроль заменяется точной и быстрой системой машинного зрения. Технологию можно внедрять на всех этапах производства.

Сценарии применения компьютерного зрения

Сегодня можно наблюдать рост спроса на технологии машинного зрения со стороны российских предприятий, ориентированных на модернизацию производства в соответствии со стандартами качества. Привлекательность данных технологий в том, что они призваны повысить качество продукции, обеспечить ее учет и контроль, снизить издержки. Рынок систем и технологий машинного зрения промышленного и непромышленного применения обладает высоким потенциалом. Обновление промышленной инфраструктуры и расширение спектра приложений с учетом нужд государства и бизнеса приведут к его росту.

Промышленные системы видеоаналитики выступают в роли одного из источников данных, интегрируются с информационными системами более высокого уровня. Это позволяет получить комплексную картину о промышленном предприятии и приблизиться к реализации концепции цифрового двойника.

В чем отличия систем видеонаблюдения и машинного зрения?

«Видеонаблюдение обычно решает задачи обеспечения безопасности и используется для информирования человека-оператора. Работу оператора упрощают умные детекторы, однако количество ложных срабатываний в такой системе, как правило, очень велико и без постоянно работающего оператора такая система бесполезна и естественно, такую «видеоаналитику» очень сложно адаптировать под специфику производственного предприятия, особенно если технологические процессы уникальны. Для производственных задач, где собирается и обрабатывается статистика рабочих процессов, это неприемлемо. Аналитическая система должна быть ориентирована на высококачественную видеоаналитику, где число ложных срабатываний минимально или вообще отсутствует», — поясняет Василий Долгов.

Классические системы машинного зрения обычно основываются на вычитании фона, детектировании движения и последующей классификации объекта или на алгоритмах с использованием обученных классификаторов. Первый вариант дешевле и именно такие решения встречаются в системах видеонаблюдения или в качестве встроенных модулей в камеры видеонаблюдения, в тоже время алгоритмы машинного зрения на основе ИИ точнее, но требуют больше вычислительных ресурсов.

Системы видеоаналитики на основе ИИ кастомизируют под задачу заказчика, максимально адаптируют под конкретную специфику и дают минимум ложных срабатываний. При этом в ней используются как обычные IP-камеры, так и специальные типы видеокамер, например, для контроля высокоскоростных процессов.

Программное обеспечение и нейронные сети можно задействовать для решения самого широкого спектра задач. Помимо камер разного типа также требуются специальные серверы с GPU. Это могут быть центральные мощные серверы, обрабатывающие все видеопотоки, или периферийные EDGE-серверы, устанавливаемые рядом с камерами.

Существует подход с использованием «умных» камер со встроенными алгоритмами нейронных сетей, однако в этом случае заказчик будет привязан к производителю. Он получает решение, развивать которое в дальнейшем может оказаться затруднительным. Кроме того, используемые в камерах вычислительные модули оптимизированы под конкретные детекторы. Тем временем отрасль, связанная с нейронными сетями, развивается очень быстро. Появляются новые архитектуры, новые детекторы, превосходящие версии прежнего поколения. Загрузить такие новые детекторы в камеры оказывается невозможным.

Другой подход — периферийные вычисления. В этом случае аналитика реализуется вычислительным устройством, приближенным к камерам, и обслуживает от 5 до 15 камер. Оно может передавать на центральный сервер уже обработанную информацию. Такой вариант наиболее оптимален: он позволяет использовать любые камеры и вычислительные модули. Это гораздо дешевле, чем вычислительные модули «на борту» камеры.

Системы машинного зрения могут заменять человека или существенно облегчать его работу. Они способны проанализировать большой объём информации вычленить соответствующие события, однако в промышленности окончательные решения должен принимать человек. Создавать «человеконезависимые» решения достаточно рискованно, поскольку инструменты машинного зрения не дают стопроцентно точного ответа. Хотя областей применения данных систем очень много, полностью убрать человека из процесса принятия решений нельзя.

Исключения — контроль опасных зон и аварийных ситуаций, когда оборудование нужно отключить автоматически за доли секунды. В этом случае машинное зрение используется без участия человека, а применяемый комплекс технологий и детекторов позволяет обеспечивать точность детектирования на 99%.

Сортировка продукции по качеству также может выполняться без оператора в подобных случаях.

Программное обеспечение систем машинного зрения

Программное обеспечение таких систем может осуществлять обмен данными с промышленными ПЛК и ПК, оно помогает принимать решения на основе собираемых в реальном времени данных. Все чаще сфера их применения выходит за рамки нишевых, специализированных сегментов, а вендоры предлагают ПО для разработки различных вертикальных решений.

Например, построенная на технологиях компьютерного зрения платформа видеоаналитики VizorLabs компании САТЕЛ представляет собой кластер совместно работающих нейросетей. Она разработана для таких специфических задач как детектирование движения, людей и предметов, определение положения объектов относительно друг друга, подсчет объектов и пр. Всего в библиотеке VizorLabs — более 75 готовых к применению детекторов, которые при необходимости адаптируются под заказчика для получения максимальной отдачи от технологии. Отдельно, на базе данной платформы созданы решения по мониторингу технологических процессов и состояния оборудования. В этом случае платформа дополняется полностью кастомизированным интерфейсом, а также интегрируется с необходимой ИТ и АСУ ТП инфраструктурой.

Безопасность на производстве

Нередко из-за низкого уровня безопасности и контроля компании терпят убытки и выплачивают штрафы, увеличиваются простои. Происходят различные инциденты и аварии. Например, в России по статистике ежегодно отмечается более 70 тыс. несчастных случаев на производстве, а простои достигают 90 дней, в зависимости от отрасли.

Если нарушаются требования безопасности, то зачастую не соблюдаются и технологические регламенты, и, как следствие, растет процент брака, а в результате страдают репутация и имидж компании. При этом обычный контроль не всегда эффективен, поскольку человек не может контролировать все, он не в состоянии быстро реагировать на происшествия. Тем временем компания тратит большой бюджет на фонд оплаты труда, платит штрафы за результаты ошибок по причине «человеческого фактора».

На этом фоне преимущества использования систем компьютерного зрения для контроля производственных процессов становятся еще более очевидным. С их помощью можно снизить расходы на контроль соблюдения техники безопасности на производстве, обеспечить мониторинг технологических процессов и контроль качества, сократить потери из-за ремонтов и простоя оборудования. А создание автоматизированной системы контроля соблюдения техники безопасности и норм охраны труда способствует предотвращению производственного травматизма и контролю персонала.

Под контролем искусственного интеллекта

Программное обеспечение на основе искусственного интеллекта автоматически контролирует производственные процессы компании, оповещает о происшествиях в реальном времени, позволяет формировать отчеты и видеть статистику. Именно эти задачи решает система VizorLabs, которая базируется на компьютерном зрении (CV) и превращает видеопоток в смысловую информацию.

Эта специализированная система для контроля техники безопасности детектирует 26 элементов спец. одежды, таких как каски, перчатки, очки, ботинки, респираторы, газоанализаторы и т.д. При этом, по данным разработчика, точность детектирования событий превышает 95%.

С помощью компьютерного зрения VizorLabs анализирует три типа событий.

• Использование средств индивидуальной защиты (каска/каскетка, защитные очки, спецодежда, перчатки, страховочный трос и др.) и контроль зон ограниченного доступа (динамические опасные зоны, зоны принудительного отключения оборудования и пересечение ограждений в неположенных местах);
• Поведение людей (падение, драка, использование гаджетов, опасные действия, курение, наличие поручней на лестницах и пр.);
• Процессы производства (мониторинг состояния и режимов работы оборудования, некорректные манипуляции с оборудованием, несоответствие последовательности действий, погрузочно-разгрузочные работы и складские операции).

Контроль проникновения в опасные зоны выявляет «возможную» и «непосредственную опасность». С помощью быстрых, не ресурсоёмких алгоритмов, точность которых превышает 98%, определяется пересечение человеком опасной зоны, формируются уведомления для операторов и сигналы разной степени важности. Оператор видит уведомление системы, наблюдает видео с камер наблюдения и принимает решение о реакции на нарушение.

«Критическая опасность» выявляется с точностью 99,5%. Для этого используются высокоточные алгоритмы позиционирования человека, требующие наличия на сервере производительных GPU. В случае срабатывания данного предупреждения оборудование автоматически останавливается.

Где используется VizorLabs?

Платформу VizorLabs можно применять для автоматизированного видеоконтроля технологических процессов и производственных регламентов с помощью ИИ в таких отраслях промышленности как энергетика, нефтегазовая отрасль, горная добыча, металлургия, пищевая промышленность, транспорт, «умный город» или строительство.

В зависимости от сферы применения, к важным характеристикам систем технического зрения можно отнести надежность и техническую поддержку, законченность решения, простоту его установки и использования или соотношение цены и функциональности.

Интерфейс пользователя

Платформа VizorLabs содержит 11 основных функциональных модулей и модуль интеграции (API). Это модули хранения фотографий, идентификации нарушения техники и правил безопасности, НСИ, разметки и обучения нейросетей, пользовательского интерфейса, обработки событий, уведомлений, запросов и формирования отчётов, ведения журнала и мониторинга.

Интерфейс пользователя системы позволяет в реальном времени выявлять и идентифицировать нарушения, формировать по ним отчеты, просматривать архив, а также настраивать индивидуальные сценарии контроля.

Заказчик может дополнять систему VizorLabs собственными детекторами, проводить дообучение нейронных сетей. Для этого ему предоставляются соответствующая методология. Пользовательский интерфейс также можно адаптировать «под заказчика».

Для настройки интерфейса системы можно задавать различные параметры (метрики системы): выбирать период контроля, объект, камеру, зону и тип нарушения. Также фиксируется дата и время нарушения, объект, камера и зона, определяется класс и тип нарушения, вероятность нарушения, статус проверки.

Возможности интеграции

VizorLabs можно интегрировать с другими ИТ-системами. В их числе:

Таким образом, часто VizorLabs представляет собой подсистему более крупной системы. Например, передаёт собранную статистику системе управления ремонтами, бизнес-аналитики или ЕRP. На основании статистики можно принимать те или иные решения. То есть VizorLabs играет роль дополнительного источника информации для систем, где принимаются решения. Она может также источником данных для цифровых двойников предприятий.

Что это дает?

Какие же результаты можно получить при развертывании такой системы на производственном предприятии? Прежде всего, это снижение расходов на контроль правил и техники безопасности при повышении эффективности такого контроля, сокращение расходов на штрафы и компенсации по травматизму и потерь из-за ремонтов и простоя оборудования.

Системы, которые позволяют на базовом уровне контролировать охрану труда, способны на два порядка снизить количество несчастных случаев. На практике система VizorLabs за счет сбора статистики о нарушениях правил техники безопасности и рассылки предупреждений позволяет за первый месяц работы системы в 10 раз сократить количество нарушений на производстве.

На одном из горнодобывающих производств система контроля конвейерных лент на базе VizorLabs позволила при реализации пилотного проекта за месяц предотвратить шесть аварийных остановок ленты, и руководство решило внедрить её на всех шахтах. Один из крупных застройщиков использует облачный сервис VizorLabs для получения информации о количестве персонала на стройках, о нарушениях охраны труда, а также для взаиморасчетов с подрядчиками. VizorLabs может автоматически генерировать штраф при нарушении соответствующим подрядчиком техники безопасности.

Есть также мобильные комплексы VizorLabs с беспроводными камерами. Их можно использовать для контроля технологических процессов и мониторинга охраны труда. Статистика отправляется на центральной сервер. Такие проекты реализуются в нефтегазовом отрасли. В некоторых проектах используются более сложные комплексы, сопрягается информация с мультиспектральных камер и лидаров. Например для мониторинга состояния зимних дорог мы создали комплекс на базе обычных камер, лидаров и специальных УЗ датчиков для контроля плотности снежного наста. Собранная статистика отправляется заказчику для работы с подрядчиком по обеспечению безопасности движения.