Для чего нужна промышленная видеоаналитика – рассказывает билайн бизнес

Видеоаналитика как сфера интересов промышленных предприятий

Автоматизация и цифровизация промышленных предприятий способствуют повышению качества продукции и скорости ее выпуска, а также позволяют более эффективно организовать сопутствующие процессы – например, логистику, работу с персоналом. На большинстве современных производств уже успешно применяются такие классы информационных систем, как ERP (Enterprise Resource Planning, система управления ресурсами предприятия), PLM (Product Lifecycle Management, система управления жизненным циклом продукта), MES (Manufacturing Execution System, система управления производственным процессом), CRM (Customer Relationship Management, система управления взаимоотношениями с клиентами) и другие.

В последнее время в список востребованных в промышленности технологических решений всё чаще попадают системы видеонаблюдения и видеоаналитики. Сегодня видеокамера – это не просто средство передачи изображения на пульт службы охраны. Современное IP-устройство может использоваться в гораздо большем числе сценариев, интегрироваться с системой видеоменеджмента (VMS) и множеством внешних систем – например, системой контроля доступа (СКУД) или пожарной безопасности. Большую роль в решении задач видеоаналитики играют технологии искусственного интеллекта и машинного обучения.

«Мы с 2010 года занимаемся цифровизацией предприятий промышленности. В последние годы среди наших заказчиков всё более популярен запрос на демонстрацию и внедрение систем видеоаналитики с применением искусственного интеллекта. Причина тому – огромный объем возможностей, которые предоставляют эти решения. Такая система может определять различные объекты в зоне своего обзора: например, людей, животных, транспорт, мусор, оружие, взрывчатые вещества, а также свойства, связанные с этими объектами, – температуру, задымленность и другие. Еще более важная вещь – это распознавание опасных событий и действий, то есть последовательности операций, которые потенциально могут причинить вред. Зафиксировав инцидент, программа дает сигнал о нем ответственным службам», – поясняет генеральный директор Connective PLM Илья Скрябин.

Промышленное предприятие – это, как правило, большая территория с множеством расположенных на ней объектов. Внутри производственного цеха также имеются зоны, которые трудно контролировать. Организация далеко не всегда может привлечь большое число сотрудников службы безопасности для постоянного мониторинга всей информации, которую транслируют видеокамеры. На помощь приходят технологии компьютерного зрения – обработки изображений и видео с применением технологий искусственного интеллекта.

Кроме того, системы видеоаналитики могут работать не только с визуальным и аудиоканалом, они могут также получать информацию от различных внешних IoT-устройств: тепловизионных датчиков, приборов ночного видения, датчиков давления, задымленности и т. д. Таким образом создается комплексная картина, которая позволяет программе самостоятельно зафиксировать возникновение опасной ситуации или нежелательного явления и уведомить о них ответственное лицо, а также активировать определенную защитную функцию – например, сигнализацию.

К бизнес-задачам видеоаналитики в промышленности относятся оптимизация производственных процессов, безопасность инфраструктуры, охрана труда, контроль технологических процессов, повышение эффективности работы персонала и обеспечение высокого качества продукции. Все эти задачи можно свести к двум направлениям: контроль безопасности и контроль качества.

билайн бизнес предоставляет заказчикам решения в каждом из этих направлений. Ниже представлены кейсы, демонстрирующие многообразие сценариев применения видеоаналитики и преимущества, которые получает заказчик в результате реализации этих проектов.

Повышение качества продукции и снижение затрат на производство

Система видеоаналитики может автоматизировать контроль качества и количества выпускаемой продукции. Например, она способна фиксировать наличие определенных конструкторско-технологических элементов на сварочной линии, оценивать качество сварочного шва или отверстия в детали, распознавать и подсчитывать предметы – сколько деталей упаковано в коробку, сколько объектов прошло по конвейеру и т. д. Помимо этого система может определить, отличается ли цвет продукта от эталонного, – это важно в потоковом производстве некоторых материалов, а также в горнорудной промышленности.

Так, для подсчета готовой продукции на конвейере в режиме реального времени специалисты команды Big Data и AI билайна используют предварительно обученную нейросетевую модель семейства YOLO, которая дообучается на специфических данных заказчиков. При этом точность модели, по результатам одного из внедрений, приближается к 100%.

«Задача подсчета изделий на конвейере прекрасно решается с помощью систем компьютерного зрения на базе искусственного интеллекта. В этом конкретном кейсе мы подсчитываем детали после механической обработки, но подобное решение позволяет считать практически любые объекты на любых конвейерах. Проекты такого типа мы успешно реализуем не только в промышленности», – комментирует эксперт билайн бизнес в области решений видеоаналитики на базе искусственного интеллекта Константин Капорский.

Применение видеоаналитики для мониторинга работы оборудования и анализа технологических процессов специалист билайн бизнес демонстрирует на примере задачи по контролю соблюдения регламента торцевания (финишной обработки) и оценки габаритных размеров заготовки после ее отреза. Автоматизированная система в этом случае позволила до 30% снизить количество заготовок, которые требуют допобработки, и исключить попадание брака на дальнейшие этапы производственного процесса. В этом кейсе используется несколько ML-моделей: одна детектирует качество реза, вторая измеряет длину заготовки и убеждается в том, что та попадает в заданный диапазон.

В одном из проектов для задачи визуальной дефектоскопии, кроме программного решения, специалисты билайн бизнес разработали и аппаратную часть. Заказчику требовался инструмент для детекции и классификации дефектов гипсокартонной продукции на конвейере, движущемся со скоростью до 200 метров в минуту. При этом время реакции не должна была превышать трех секунд, чтобы можно было отбраковывать такие изделия. Листы гипсокартона в процессе производства часто получают различные дефекты: вздутие, трещины, непроклейку картонной основы. Проблема контроля качества здесь связана в первую очередь с «человеческим фактором» – усталостью, невнимательностью, субъективностью персонала. Простым инструментальным контролем невозможно охватить весь объем выпускаемой продукции. Зато система с применением технологии компьютерного зрения с этой задачей прекрасно справилась.

В процессе дефектоскопии большую роль играет освещение объекта, потому что ряд дефектов хорошо обнаруживается только при косом или только при фронтальном свете. При разработке решения была создана специальная конструкция, которая позволяет обеспечить все необходимые виды освещения и исключить постороннюю засветку, а также решить вопрос калибровки камеры. Для проекта была выбрана высокоскоростная линейная матричная камера и промышленный ПК. Камера интегрируется в блок подсветки, конструкция монтируется непосредственно над конвейерной линией.

Система использует двухэтапный алгоритм обнаружения: камера позволяет сразу детектировать крупные дефекты, после чего нейросетевые алгоритмы выявляют более мелкие. Накапливаемый в ходе работы системы материал (видеоряд) позволяет дообучать модель для повышения ее точности. Срок окупаемости этого проекта составил не более полугода.

«Наше решение получилось практически универсальным. Несложно переобучить модель для обнаружения поверхностных дефектов на листовых материалах другого типа – гипсоволокнистых листах с другим типом поверхности, листовом металле, пластике. Она вполне применима и для контроля качества в текстильном производстве. Еще одно преимущество нашего решения состоит в том, что оно позволяет сочетать несколько моделей обнаружения, то есть одновременно контролировать разные типы техпроцессов и обнаруживать разные типы дефектов. Важно, что система компьютерного зрения за счет исключения брака позволяет производителю гарантировать стабильное качество продукции, что очень важно для потребителя», – резюмирует Константин Капорский.

Нейросетевая модель заранее обучается на доступных датасетах и в дальнейшем адаптируется к процессам заказчика. Также она может быть полностью обучена заранее, если заказчик предоставит разработчику доступ к соответствующим историческим базам изображений или видеоархиву. Длительность дообучения системы зависит от сложности и количества моделей. Одну несложную модель можно обучить на размеченном датасете за 2-3 дня. При этом, чтобы получить адекватную модель, необходимо разметить несколько тысяч кадров.

Видеоаналитика как комплексное решение для контроля промышленной безопасности

К автоматизированным средствам обеспечения безопасности предприятий относятся инструменты обнаружения несанкционированного проникновения на объекты инфраструктуры, контроля соблюдения правил охраны труда (дресс-код, ношение и применение средств защиты), выявления проблем, связанных с производственными процессами (нахождение посторонних предметов на конвейере, поломка оборудования, задымление и т. д.).

«Статистика по производственному травматизму, к сожалению, не улучшается из года в год. Множество мер – образовательных, технических, регламентных – принимается для того, чтобы работа на производстве стала менее опасной, количество пострадавших сводилось к минимуму. Человеческий фактор является одним из основных источников проблем, связанных с нарушением промышленной безопасности. Для его минимизации необходим постоянный мониторинг соблюдения сотрудниками правил и техник, предписанных инструкциями по охране труда. Используя видеоаналитику, мы контролируем ношение средств индивидуальной и коллективной защиты, проводим анализ опасных зон, попадание человека в которые недопустимо. Также система следит за  соблюдением регламента работ, последовательностью выполнения технологических операций – с обязательным оперативным информированием ответственных лиц при невыполнении соответствующих правил», – рассказывает эксперт в цифровой трансформации билайн бизнес Владимир Ласовский.

Например, для одной из электросетевых компаний специалисты команды Big Data и AI билайна создали инструмент контроля выполнения работ и ношения средств индивидуальной защиты.

Оператор, отвечающий за выполнение работ с электрооборудованием, в режиме реального времени информируется о лицах, зашедших в помещение, о наличии у них униформы, о действиях с электрошкафами и об оставлении электрошкафов в закрытом состоянии при завершении работ.

Для компании, осуществляющей ремонт железнодорожного транспорта, был создан инструмент контроля выполнения регламентных работ при обслуживании локомотивов. Система считывает номер локомотива, получает из информационной системы сведения о необходимых работах (в соответствии с заказом-нарядом), и фиксирует выполнение операций с колесными базами, с электрооборудованием и с блоками сыпучих материалов.

Для другой промышленной компании важно было обеспечить безопасность сотрудников при работе на высоте – на железнодорожных цистернах. Заказчик хотел контролировать не только ношение средств индивидуальной и коллективной защиты (касок и униформы), но также корректное использование страховочной привязи – чтобы сотрудник был обязательно пристегнут. Соответствующие алгоритмы были разработаны специалистами команды Big Data и AI билайна.

Для металлургической компании был реализован необычный проект по распознаванию цвета касок – признака, по которому в компании различаются руководители, штатные и внештатные сотрудники. Представители каждой из этих категорий персонала могут находиться в тех или иных зонах самостоятельно или только в сопровождении. Система видеонаблюдения подключена к модулю аналитики, который контролирует нахождение человека в определенных зонах, детектирует его статус, определяет, может ли сотрудник находиться в этой зоне самостоятельно, в случае необходимости ищет сопровождающего. Моментальное информирование о каждом нарушении привело к тому, что дисциплина на предприятии резко повысилась.

В крупной компании по доставкам грузов специалисты билайн бизнес внедрили средство контроля за выполнением погрузочных работ. Система подсчитывает число сотрудников, принимающих участие в операциях погрузки и разгрузки, время на их выполнение, число паллет. Фактические даты сравниваются с датами, которые были занесены в информационную систему вручную, тем самым проверяется корректность внесенных данных.

Многим компаниям требуется своевременно выявлять и предупреждать потенциально опасные ситуации – такие, как задымление, пожар, факт курения в неположенных местах. Система видеоаналитики позволяет контролировать эти факторы по всей территории предприятия, без необходимости постоянного наблюдения за мониторами сотрудниками охраны.

Обнаружение дыма и открытого огня возможно реализовать не только в помещении (в переходах, цехах и т. д.), но также и на открытой местности – на территории в периметре и вокруг предприятия.

Решения видеоаналитики от билайн бизнес

Команда Data Science, входящая в состав билайн бизнес, разрабатывает и обучает модели аналитики, используя гибкие нейросетевые алгоритмы. Компания может разместить решение на мощностях заказчика (On Premise), а также в собственном облаке, позволяющем отказаться от капитальных вложений в серверное оборудование. Проекты билайн бизнес предусматривают возможность глубокой кастомизации – обучения моделей на данных заказчика. С помощью платформы билайн бизнес может быть быстро развернут базовый функционал решения. Кроме задач аналитики, платформа решает задачи оповещения: можно настроить уведомления заинтересованным лицам по разным каналам: по SMS, e-mail, в Телеграм и через другие интерфейсы. Доступна также интеграция платформы по API с такими системами, как CRM и ERP.

Выбор оборудования для проекта определяется задачей заказчика. В ряде упомянутых выше кейсов использовались уже имеющиеся устройства существующей системы видеонаблюдения, то есть не требовался перевес камер или установка дополнительной инфраструктуры видеонаблюдения.

«Флагманские видеокамеры и мощные каналы связи для проекта видеоаналитики требуются далеко не всегда, – подтверждает Константин Капорский. – Если мы разворачиваем решение локально на объекте, каналы связи нужны только для того, чтобы транслировать оповещение, статистику. Это драматически малый объем данных. Практически любая IP-камера с разрешением от 1-2 мегапикселей, может быть использована для решения большинства задач видеоаналитики. В зависимости от специфики проекта мы можем поставить заказчику оборудование или использовать существующее. Коммерческому внедрению решений обычно предшествует пилотирование, которое мы предлагаем в двух вариантах. Во-первых, мы можем проанализировать видео, предоставленное заказчиком, на своих мощностях, чтобы убедиться в том, что кейс решаемый, модель детектирует те события, которые необходимы. Это можно сделать буквально в течение одной рабочей недели, если нет необходимости серьезно дообучать модель. Во-вторых, мы можем провести полноценный тест, когда заказчик получает оборудование и в течение примерно месяца мы в «полевых» условиях собираем данные, обучаем модель и предоставляем отчет».

Также решения билайн бизнес предоставляют развернутую отчетность с помощью собственной BI-системы или интеграции с BI-системой заказчика. Результаты аналитики могут отображаться в личном кабинете и выгружаться в необходимом формате в любую информационную систему.