Заводские настройки: нейросети начнут следить за безопасностью на производствах

В России создали программу на основе искусственного интеллекта, которая выявляет действия, способные привести к авариям на производстве. В их числе курение на рабочем месте, разговоры по телефону или употребление алкоголя. Сегодня больше четверти несчастных случаев на работе происходит по неосторожности сотрудников — и разработка ученых из университета ИТМО призвана решить эту проблему. Подробности о том, как современные технологии сделают российские производства безопаснее, читайте в материале «Известий».

Что известно о разработке специалистов ИТМО?

Ученые Санкт-Петербургского национального исследовательского университета информационных технологий (ИТМО) создали программу, которая выявляет действия, способные привести к авариям на производстве. В их числе курение на рабочем месте, разговоры по телефону или употребление алкоголя. Об этом «Известиям» рассказали в пресс-службе ИТМО.

По данным Социального фонда России, больше четверти несчастных случаев на работе (27,8%) происходит по неосторожности сотрудников. Чтобы отслеживать опасные действия, сегодня на производстве и в общественных местах используют системы видеонаблюдения. При этом видео часто отсматривают вручную, и это несовершенный метод: человеку сложно следить сразу за несколькими экранами, он может устать или отвлечься и пропустить важное событие.

Автоматизировать процесс помогают нейросети: они способны непрерывно фиксировать события и выделять нужное в долгом потоке видеосъемки. Но у каждого такого алгоритма есть свои ограничения.

— К примеру, модели, представленные на российском рынке для промышленного видеонаблюдения, умеют распознавать только объекты (людей, наличие касок и масок), но не способны отслеживать действия. С этим лучше справляются открытые зарубежные модели, но и они пока фиксируют действия недостаточно точно: алгоритмы, обученные на датасете в ИТМО, правильно распознали действия лишь в 24% случаев (VideoMAE) и 48% случаев (Hiera), — рассказали университете.

Новый российский алгоритм ActionFormer распознает до десяти действий с точностью около 80% — это в разы выше, чем у зарубежных конкурентов. Благодаря компактности (3,7 млн настроенных параметров против 22–73 млн у аналогов) российская нейросеть работает с минимальными вычислительными затратами.

Каковы перспективы новой программы?

Разработка состоит из двух компонентов: одна модель определяет ключевые точки на изображениях людей, а вторая анализирует действия и отслеживает перемещения сотрудников. Система фиксирует нарушения: разговоры по телефону, перемещение оборудования или отрыв от работы в важный момент.

Данные о нарушениях, в зависимости от настроек, передаются в базу или напрямую оператору, отметила руководитель проекта, кандидат технических наук, научный сотрудник лаборатории компьютерных технологий ИТМО Валерия Ефимова.

— Так программа позволяет отслеживать любые действия, которые могут привести к ЧП на производстве. Кроме того, разработка помогает предупредить отказ камер, если объектив намеренно пачкают или закрывают, чтобы скрыть запрещенные действия. На многих промышленных предприятиях эти действия считаются нарушением техники безопасности, — пояснила Ефимова.

По ее словам, разработка уже успешно применяется на крупном предприятии Пермского края. Там она втрое сократила число физических проверок и помогла предотвратить инциденты, например, ошибки при ремонте оборудования из-за отвлекшегося сотрудника. Сейчас команда ученых работает над расширением возможностей программы. В планах адаптировать нейросети для носимых камер, чтобы использовать их в шахтах.

— C помощью нейросетей можно будет отслеживать, что бригада выполняет нужные действия и соблюдает правила безопасности: например, использует СИЗы, проводит работы в соответствии с инструкцией, безопасно спускается по лестнице, — пояснила Валерия Ефимова.

Параллельно разрабатывается версия для жилых комплексов, обученная на 150 тыс. кадров. Она также фиксирует нарушения: употребление алкоголя на детских площадках, несанкционированную разгрузку фургонов или попытки проникнуть в подъезд. В будущем система сможет распознавать акты вандализма, например, порчу скамеек или газонов.

Чем уникальна разработка специалистов ИТМО?

Как объясняет «Известиям» директор по развитию бизнеса Artezio (входит в группу компаний ЛАНИТ) Денис Харченко, попытки создать системы для повышения безопасности на производствах предпринимаются и в России, и за рубежом — но у них есть разница в подходах.

Большинство существующих на российским рынке решений для промышленного видеонаблюдения работают на уровне детекции объектов, но не способны анализировать последовательность действий.

— Это как разница между фотографией и фильмом: одно дело зафиксировать присутствие объекта, совсем другое — понять, что этот объект делает во времени, — отмечает эксперт.

Если говорить о международном опыте, то существуют открытые модели вроде SlowFast или X3D, которые умеют распознавать действия, но их точность для промышленных задач остается недостаточной — обычно она колеблется в районе 60–65%. К тому же, эти решения требуют значительных вычислительных мощностей, что делает их внедрение на производство экономически нецелесообразным.

— Разработка ИТМО интересна именно комбинацией высокой точности и относительной легковесностью, что критически важно для масштабирования на крупных предприятиях, где могут быть сотни камер. Это компактное решение, которое можно запустить даже на относительно простом сервере предприятия. При этом отпадает необходимость арендовать дорогостоящие облачные мощности или покупать оборудование за миллионы рублей, —— говорит Денис Харченко.

Как IT-системы влияют на безопасность производств?

Влияние современных систем на безопасность производства сложно переоценить. Практика показывает, что подход с проверками и ручным просмотром видеозаписей не может обеспечить непрерывный контроль: инспектор физически не способен находиться одновременно везде, а оператор теряет концентрацию уже через 20–30 минут мониторинга десятков экранов.

— Автоматизированные системы распознавания действий работают в режиме 24/7 без потери внимания и способны мгновенно реагировать на потенциально опасные ситуации. Представьте: система видит, что работник зашел в опасную зону без каски или начал курить рядом с легковоспламеняющимися материалами, и тут же отправляет сигнал диспетчеру. Это уже не постфактум разбор полетов после инцидента, а предотвращение самого инцидента, — поясняет Денис Харченко.

По его словам, применение подобных алгоритмов идет полным ходом, и результаты впечатляют. В металлургической отрасли системы компьютерного зрения (КЗ) активно внедряются для контроля горячих цехов — там, где температура не позволяет постоянно находиться человеку-контролеру. Система отслеживает правильность использования термозащитных костюмов, соблюдение безопасной дистанции от расплавленного металла, контролирует, чтобы рабочие не находились под траекторией движения ковшей с расплавом.

— На одном из заводов Челябинской области после внедрения подобной системы количество термических травм снизилось на 40% за первый же год, — отмечает Харченко.

Директор по ИИ «Группы Астра» Станислав Ежов называет внедрение подобных систем актуальным процессом для большинства современных предприятий. Системы на базе ИИ способны за одну смену зафиксировать до 350 критических событий — например, появление постороннего на охраняемой территории, нарушение режима ношения спецодежды, попытку проникновения или падение человека. Для человека такая нагрузка просто непосильна.

Каков потенциал ИИ в сфере безопасности?

Как отмечают эксперты, ИИ не просто повышает безопасность на производстве, а принципиально меняет саму ее парадигму — компании переходят от реактивного подхода к проактивному. Раньше безопасность строилась на анализе уже произошедших инцидентов и попытках не допустить их повторения. Сейчас ИИ позволяет предсказывать опасные ситуации до того, как они произойдут. Современные алгоритмы анализируют паттерны поведения и выявляют аномалии, которые человеческий глаз не способен заметить в потоке рутинных операций, поясняет Денис Харченко.

— Возьмем конкретный пример: система может заметить, что работник начал двигаться медленнее обычного, чаще останавливается, меняется его осанка. Для человека-наблюдателя это незаметные изменения, а алгоритм уже понимает: возможно, сотрудник устал или плохо себя чувствует, риск ошибки резко возрастает. Система может рекомендовать дополнительный перерыв или смену задач до того, как усталость приведет к травме и другим тяжелым последствиям, — отмечает эксперт.

По его мнению, в ближайшие 2–3 года в сфере безопасности можно ждать настоящий прорыв. Cистемы станут мультимодальными — они будут анализировать не только видео и изображения, но и звук, вибрации, температурные карты.

— Представьте: система услышит нехарактерный звук работы станка и сопоставит это с микродвижениями оператора, поймет, что оборудование работает на износ, и предупредит о необходимости техобслуживания до поломки. Это уже предиктивная безопасность следующего уровня, — говорит эксперт.

Огромный потенциал есть и в интеграции с носимыми устройствами. Умные каски и браслеты смогут передавать данные о пульсе, температуре тела, уровне стресса работника, а система компьютерного зрения будет сопоставлять эти данные с поведением человека. Если пульс зашкаливает, а человек работает с опасным оборудованием, система может временно заблокировать станок и предложить сделать перерыв.

— Мы движемся к концепции цифрового двойника каждого сотрудника, где ИИ будет знать индивидуальные особенности и риски конкретного человека, — заключает эксперт.

Как промышленная видеоаналитика развивается в России?

По словам Станислава Ежова, сегодня около 80% решений в области промышленной видеоаналитики в России — отечественные разработки. Это значит, что большинство систем, которые анализируют видео с камер на заводах, электростанциях, трубопроводах и других важных объектах, созданы российскими компаниями.

— Преобладание отечественного оборудования — не случайность. Это стало возможным благодаря поддержке импортозамещения, развитию собственных технологий и жестким требованиям к безопасности, — говорит эксперт.

По его словам, системы на основе ИИ применяются в критически важных отраслях экономики. На атомных электростанциях они следят за соблюдением правил техники безопасности: например, автоматически проверяют, надеты ли у сотрудников все 26 элементов средств индивидуальной защиты (СИЗ) — от каски и очков до специальной обуви и перчаток. Это помогает избежать ошибок и нарушений, которые могут привести к авариям. На металлургических заводах ИИ анализирует изображения с камер, чтобы вовремя выявить дефекты на поверхности металла: трещины, включения, неровности. Такие системы работают в режиме реального времени и позволяют выявлять брак еще до выхода продукции, экономя время и ресурсы.

По оценкам экспертов, объем российского рынка промышленной видеоаналитики стремительно растет и к 2030 году достигнет 5,6 млрд рублей. Это говорит о том, что компании всё активнее внедряют «умные» технологии вместо ручного контроля. При этом, отмечает Станислав Ежов, уже сейчас заметны несколько важных тенденций.

— Во-первых, системы переходят от одного общего алгоритма к многоагентным решениям, то есть используют сразу несколько специализированных ИИ-моделей. Во-вторых, всё больше вычислений переносят прямо на камеру или ближайшее оборудование — это называется edge-вычисления. В-третьих, по мере развития сетей 5G появляется возможность передавать большие объемы видео в реальном времени, — заключает эксперт.

Однако вместе с ростом масштабов критически важно, чтобы внедрение ИИ сочеталось с соблюдением всех правил безопасности.