СВС ТБ и ПБ (система видеоанализа соблюдения требований техники безопасности и промышленной безопасности)

Заказчик
АО "Концерн Росэнергоатом"
Руководитель проекта со стороны заказчика
ИТ-поставщик
VizorLabs
Год завершения проекта
2020
Сроки выполнения проекта
Декабрь, 2019 - Март, 2020
Масштаб проекта
6500 человеко-часов
Цели

Обеспечение безопасности при использовании атомной энергии и защита персонала АЭС путем создания и поддержания эффективных мер защиты.

Создание автоматизированной системы контроля соблюдения требований ТБ и ношения СИЗ, и предотвращения случаев производственного травматизма в режиме реального времени.

Снижение количества нарушений ТБ и ПБ до 10 раз, повышение трудовой дисциплины, изменение поведения работников. Оптимизация расходов на ПБ и ТБ, снижение потерь из-за травматизма, ремонтов и простоя оборудования.

Реализация программ цифровизации производства и программы снижения травматизма Vision Zero и положений указа Президента РФ от 06.05.2018 № 198 «Об Основах государственной политики РФ в области промышленной безопасности до 2025 г.» по минимизации влияния человеческого фактора на технологические процессы; внедрению научно-технических достижений для обеспечения ПБ; внедрению информационных технологий для анализа информации о системах управления ПБ, авариях и инцидентах.

Уникальность проекта

Единственная система такого класса, успешно внедренная на нескольких промышленных объектах. Все аналоги имеют только единичные пилотные внедрения, либо обладают очень ограниченным функционалом. Ни один из аналогов не имеет полноценного распознавания динамических сцен.

Использованы специальные нейросети, адаптированные для детектирования объектов СИЗ в промышленном окружении.
Сложная технология детектирования дополнена интуитивно-понятным модулем обучения нейросети, который не требует специальных знаний.

Система детектирует 26 элементов СИЗ (каска, лицевой щиток в нескольких положениях, перчатки, ботинки, респираторы, газоанализаторы и пр.) на видео разрешением 640*480 при размере лица от 20 пикселей в высоту, во всех ракурсах при угле наклона камеры относительно пола до 70 градусов, на расстоянии до объекта до 25 м.

Высокая точность детектирования 95%-98% (на 100 зарегистрированных нарушений не более 5 ложных срабатываний). Обработка нарушений и отправка уведомлений не более 5 сек.
Проект решает задачи импортозамещения
Нет
Использованное ПО
Полностью собственная разработка на базе С++, GO, Python; серверное оборудование с GPU на базе NVIDIA Tesla T4.
Сложность реализации
Сложность разработки состоит:
  • в комплексном подходе к применению алгоритмов машинного зрения для контроля техники безопасности и предупреждения несчастных случаев;
  • создании алгоритмов логики работы нескольких детекторов, позволяющих отслеживать динамические события;
  • создании алгоритмов решающих правил с применением методов снижения вероятности ошибочного решения;
  • совмещении методов детектирования объектов с определением расстояний в детекторах видеоаналитики для определения удалённости тела и конечностей человека относительно предметов и программно-заданных опасных зон для реализации функции распознавания действий;
  • реализации не типовых алгоритмов работы нейросетей для распознавания потока событий, поступающих с большого числа видеокамер.

Описание проекта

Система интеллектуального видеонаблюдения полностью автоматизирует процесс контроля ТБ и ПБ и заменяет собой контроль изображения с камер диспетчером. Внедрение системы снизило число нарушений ТБ и ПБ в 10 раз: с 80 до 8 в неделю.

Краткий ролик о проекте: https://drive.google.com/file/d/1-JQrSbvaPLjC5uyWuWWixb7HhE0RFmZr/view?usp=sharing

На предприятии развернута сеть около 100 камер, которые фиксируют все перемещения персонала и ход работ. Сигнал с камер поступает на сервер видео-аналитики, на котором специальная нейронная сеть проверяет изображения на ношение СИЗ и регистрирует нарушения ТБ и ПБ. Система отслеживает правильность использования СИЗ работниками в течение всего времени нахождения в рабочих зонах, а не только на входе в помещение.

Ролик с демонстрацией работы системы: https://drive.google.com/file/d/10N_ZxmZU94qZD0V4BgzPL5w7U89SIxjU/view?usp=sharing

Система идентифицирует 26 видов СИЗ и следующие признаки соблюдения ТБ:

1. Ношение каски и подбородного ремня

2. Ношение и положение защитного щитка (опущен, поднят, частично поднят)

3. Ношение специальных перчаток, брюк, обуви

4. Контроль того, что спецодежда полностью застегнута, рукава не закатаны

5. Различение нескольких типов спецодежды

6. Трекинг положения работника относительно высоковольтного оборудования

Информация о нарушениях передается на рабочее место (монитор) начальников смен всплывающим сообщением и регистрируется в отчете. Начальник смены через цифровую радиосвязь останавливает работы до устранения нарушений. Система также позволяет отправлять полностью автоматизированные команды на остановку и продолжение работ.

Система состоит из нескольких модулей и процессов

1. Медиасервер обрабатывает видеопотоки с камер: нарезает кадры, специальным образом их упаковывает в пакеты для обработки, которые передаются на обработку нейросети.

2. Нейросеть или система компьютерного зрения выполняет поиск нарушений на полученных изображениях и передает информацию о выявленных инцидентах обратно на медиасервер.

3. Медиасервер разбирает кадры и наносит на них разметку обнаруженных нарушений.

4. Модули уведомлений обрабатывают сообщения от медиасервера и передают информацию об обнаруженных нарушениях на рабочие места ответственного персонала.

5. Все события аккумулируются в модуле архива.

6. Модуль обучения позволяет дополнительно обучить нейронные сети распознаванию новых элементов СИЗ или спецодежды.

Система компьютерного зрения представляет из себя каскад нейронных сетей или детекторов, которые выполняют определенные задачи: детектирование движения, определение человека, определение типа спецодежды, детектирование СИЗ и нарушений. Все это совмещается с помощью специальных алгоритмов.

Комплексный детектор СИЗ и детектор конечностей является собственной разработкой VizorLabs.

Система показывает стабильную точность детектирования 95-98% на видео разрешением 640*480 при размере лица от 20 пикселей в высоту, во всех ракурсах при угле наклона камеры относительно пола до 70 градусов, на расстоянии до объекта до 25 м.


География проекта
Пилотное внедрение на Кольской АЭС в Мурманской области, тиражирование решения на 8 АЭС в центральной России.
Дополнительные презентации:
VizorLabs.pdf
Коментарии: 3

Комментировать могут только авторизованные пользователи.
Предлагаем Вам в систему или зарегистрироваться.

  • Андрей Кулаков
    Рейтинг: 20
    Крок
    Директор по работе с корпоративными клиентами
    22.12.2020 18:46

    Добрый день! Скажите, пожалуйста, какой объём данных потребовался для обучения нейросети, что бы достигнуть такой высокой точности детекции?

  • Олег Шальнов
    Рейтинг: 1068
    Концерн "Росэнергоатом"
    Директор департамента управления ИТ-проектами и интеграцией
    29.12.2020 23:51

    Андрей, здравствуйте!
    Примерно 100 000 изображений, собранных с видеокамер в различных ракурсах

  • Максим Часовиков
    Рейтинг: 4767
    РАНХиГС
    Директор Проектов проектного офиса ректора
    06.01.2021 18:40

    Да, интересный проект. Особый интерес вызывает то, чтопроизводится анализ большого количесва факторов, определяющих соблюдение требований техники безопасности и это реализовано в одном решении. Интересно будет узнать, как реагируют люди на такую систему? считают ли что это излишний дополнительный контроль или воспринимают как некоторую подсказку по устранению ошибок?

Год
Предметная область
Отрасль
Управление
Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.