根據(jù)計算機科學文獻，人工智能被定義為一種能夠模仿人腦行為的技術(shù)。

近年來，我們看到越來越多的工業(yè)4.0解決方案，其技術(shù)涉及人工智能、語音分析和圖像檢測，成為制造活動的一個組成部分。這些可能包括提高生產(chǎn)力，更早發(fā)現(xiàn)機器故障，以及控制質(zhì)量。

在這篇文章中，我們將討論如何應用計算機視覺技術(shù)來檢測工廠和物流中心等工業(yè)設施的安全隱患，以實時預防人機事故的發(fā)生

當計算機比我們看得更清楚時

想象一下，一位安全官員坐在一個充滿顯示器的控制室里，這些顯示器顯示著工廠的活動。在一個屏幕上，我們看到裝貨區(qū)和作業(yè)車輛的緊張活動，在第二個屏幕上，我們看到工廠的一個生產(chǎn)車間，有許多裝配線和活動正在進行。在第三個屏幕中，顯示了一個成品倉庫，貨架排列在架子上，有時達到天花板。而且，這些只是一個完整的屏幕網(wǎng)格中的三個。

沒有人，無論他或她在工作中多么熟練和專注，能夠同時查看所有的屏幕，識別接近事故并實時提供有效的警報，這可以導致事故的預防。

相比之下，具有視覺分析算法的計算機能夠每天24小時、每周7天同時分析所有屏幕，并在危險活動成為事故之前予以制止。

利用智能技術(shù)

計算機視覺是人工智能最古老的領域之一。計算機視覺的一個主要目標是從圖像中提取或分析視覺信息。雖然它是解決方案的一個組成部分，但它本身并不足以解決我們面臨的復雜問題。

在復雜的工業(yè)安全世界中，僅僅找到空間中的物體是不夠的。我們必須確定物體的類型（物體檢測），以及它與工廠中其他物體的互動方式。至關(guān)重要的是，我們要持續(xù)監(jiān)測物體的軌跡，包括它的移動速度和方向，以及預測它將在什么時間到達什么地點。

最重要的是這個動作是否可能對它或其他物體產(chǎn)生潛在的風險（異常檢測）。

從控制室到自主安全系統(tǒng)

讓我們回到上一段所述的虛擬控制室攝像機。作為一個起點，我們將看一下位于工廠充電區(qū)上方的攝像機。在該區(qū)域移動的物體被算法識別，并根據(jù)其特征進行分類，如人、叉車、卡車、手推車、箱子等。

這里的目標是確保充電區(qū)的人的安全，防止他們被車輛撞到。對于每一個人型物體，都要對其與車輛的接近程度進行評估，包括靜態(tài)或動態(tài)的。此外，為了避免產(chǎn)生錯誤的警報，必須確保只在真正的風險情況下發(fā)出警報，而不是在有接近但有安全距離的情況下發(fā)出警報。

現(xiàn)在我們將進入生產(chǎn)車間。系統(tǒng)檢查進入大廳的工人是否穿著安全員為工作環(huán)境規(guī)定的防護設備。之后，系統(tǒng)會分析每個工人在機器前的活動。系統(tǒng)已被告知機器允許和禁止的操作模式，當檢測到異?；蛭ｋU行為時，系統(tǒng)會發(fā)出警報

一個經(jīng)常被問到的問題是："算法如何確定什么是正確的，什么是錯誤的，什么是危險的，什么是不危險的？"。答案是，該算法正在不斷學習。系統(tǒng)捕捉到的物體、運動和事件被系統(tǒng)反饋和分析，以加強對安全和正?；顒优c威脅生命的活動之間的區(qū)分。

持續(xù)學習過程是機器學習算法的一個關(guān)鍵因素，負責防止假陽性警報，并在事故即將發(fā)生時才 "大喊"。

深入研究視覺分析

有一個例子可以很好地說明異常檢測的問題，那就是區(qū)分工具刀的正確使用和危險使用。在上述現(xiàn)場，有六臺機器，它們都緊挨著。每臺機器旁邊的架子上都有操作機器和進行生產(chǎn)活動的必要設備。架子上有螺絲刀、鉗子、美工刀，對了，還有替換刀片。到目前為止，事情進展順利。

危險的情況開始于一名工人發(fā)現(xiàn)他的刀刃不再鋒利，當他試圖更換時，沒有新的刀片可用。那么他做了什么？為了獲得新刀片，他接近了另一個工人的位置。這也是可以的。這也是可以接受的。問題是，他在從一臺機器到另一臺機器的過程中沒有把刀從手中拿開，而刀片雖然可能不夠鋒利，無法切割原材料，但卻足以刺傷鄰居的手臂，使他受傷。

計算機視覺分析已經(jīng)達到了這樣的程度：它不僅可以識別實用刀類物體，還可以識別它對員工產(chǎn)生危險的確切情況。因此，在準確的時刻發(fā)出警報對防止傷害至關(guān)重要

關(guān)掉 "創(chuàng)意繞行"

最后，我們來看看由一臺攝像機提供的視頻分析，它位于一個戰(zhàn)略位置，可以俯瞰整個操作區(qū)，是如何確保整個場所的安全的。

通過考察一個最先進的生產(chǎn)車間，其中包含多臺機器和機械臂，這個例子將更具挑戰(zhàn)性。這些機器對于精簡生產(chǎn)至關(guān)重要，因為自動化流程加快了生產(chǎn)速度，縮短了工作流程，是工業(yè)4.0革命的一個組成部分，這就是為什么幾乎所有這些機器都具有內(nèi)置的安全機制。

這似乎是工廠中最安全的地方，然而，據(jù)接受采訪的工廠安全經(jīng)理表示，盡管機器內(nèi)置了先進的安全功能，但事故仍在繼續(xù)發(fā)生。這是因為對他們的安全構(gòu)成最大威脅的是工人本身。

工人們不斷想方設法規(guī)避安全措施，使自己始終處于受傷甚至死亡的危險之中。

員工的動機很明確，他們努力實現(xiàn)最大產(chǎn)出，以滿足為他們設定的目標。在遮蓋或移除安裝在機器上的攝像頭或運動傳感器時，工人不會停下來考慮他正在將自己或他的同事置于危險之中。

這里也采用了相同的圖像分析和計算機化學習算法。在第一階段，系統(tǒng)訓練自己識別適當?shù)墓ぷ髋渲?，利用?nèi)置的安全機制。經(jīng)過幾天，有時甚至幾個小時的培訓，系統(tǒng)會在出現(xiàn)異常和違反安全規(guī)定時開始發(fā)出警報。然而，與工人觸及范圍內(nèi)的安全措施不同，他們無法訪問系統(tǒng)攝像頭，并且不可能在不記錄損壞的情況下破壞它們以擾亂他們的操作。

動態(tài)安全

工業(yè)廠房和物流倉庫的工人面臨高風險。利用我們所研究的技術(shù)，為整個設施創(chuàng)建一個全面的安全范圍，涵蓋每天進行的所有不同流程。

由于機器學習軟件，系統(tǒng)不會停止學習。該系統(tǒng)可檢測員工中的障礙物、物理對象和危險活動趨勢，并協(xié)助管理人員規(guī)劃和控制工廠安全。

警報和拯救生命

如果檢測到的風險接近事故級別，則必須發(fā)出警報以阻止事件演變成真正的災難。

可以采用多種方法來實現(xiàn)此目標

提醒工人的最有效方法之一是在安全區(qū)域的中央位置使用集成到警報器中的閃光燈以及聲音警報。

這種方法的一個主要優(yōu)點是實施起來簡單，并且可以立即將危險行為暴露給整個活動空間內(nèi)的所有管理人員。第二個準確度是在機器本身上安裝警報工具。

在車輛中，警報工具可以是簡單的聲光警報器，也可以是類似于安裝在汽車中的信息屏幕。

對于生產(chǎn)機器或裝配線，警報方法可以包括照明和警報、關(guān)閉機器或與機器集成以消除特定風險，而不是完全停止生產(chǎn)線的生產(chǎn)。

紅綠燈的使用是另一個有趣的環(huán)境警報。紅綠燈已在工廠中使用多年，但它們的運行周期很簡單。另一方面，由計算機化圖像分析系統(tǒng)操作的交通信號燈只有在可能發(fā)生碰撞時才會顯示紅燈。這將節(jié)省大量時間并提高生產(chǎn)率。