IA y visión artificial en HSE: el camino de la idea al lanzamiento

De la idea a un sistema funcional: visión artificial en la producción de alimentos

La implementación de tecnologías de inteligencia artificial y visión artificial se está convirtiendo en una etapa natural en el desarrollo de los sistemas de seguridad industrial. Esto es especialmente relevante para la industria alimentaria, donde los requisitos de HACCP dictan normas estrictas de higiene y presencia del personal en zonas limpias. Ivan Maksimov, representante de la empresa FoodTech "Qiumi", comparte su experiencia práctica en la creación e implementación de un sistema de visión artificial basado en soluciones Open Source.

El ponente analiza el camino desde el surgimiento de la idea hasta el lanzamiento de una herramienta funcional que ayuda a controlar el cumplimiento de las normas sanitarias y las reglas de HSE sin recurrir a costosas soluciones comerciales.

Selección del modelo de lenguaje y proceso de entrenamiento

La base del sistema fue el modelo de lenguaje abierto MoonDream. La elección de un producto Open Source permitió a la empresa ahorrar significativamente al inicio y adaptar el sistema de manera flexible a sus necesidades. En la presentación se examina en detalle el proceso de entrenamiento del modelo:

• Entrenamiento inicial con datos sintéticos: se enseñó al modelo a reconocer humo, ausencia de mascarillas, gorros y guantes, así como situaciones inusuales (por ejemplo, una persona tumbada en el suelo). Esto permitió establecer los patrones básicos de reconocimiento.
• Entrenamiento adicional con flujo de video real: el sistema se conectó a las cámaras de la cocina central. El modelo comenzó a analizar los fotogramas en tiempo real, detectando infracciones (por ejemplo, entrar en la zona de producción sin ropa sanitaria). Esto garantizó una alta precisión de funcionamiento en las condiciones específicas de la empresa.
• Integración con sistemas de alerta: para una respuesta rápida, se configuró el envío de notificaciones a un bot de Telegram para los gerentes y tecnólogos responsables. El tiempo desde que se registra la infracción hasta que se recibe la señal no supera los 15 segundos.

Psicología de la implementación: de los castigos a las recompensas

La implementación técnica es solo una parte del éxito. El ponente muestra con el ejemplo de su empresa lo importante que es organizar correctamente el trabajo con el equipo al implementar sistemas de control. El principio fundamental es renunciar a las sanciones económicas basadas en los datos de la visión artificial.

• El sistema como ayudante: se explica a los trabajadores que la visión artificial es análoga a los sistemas de seguridad pasiva de un coche (ABS, airbags). Está diseñada para proteger, no para multar.
• Motivación positiva: en lugar de "muros de la vergüenza", la empresa utiliza un sistema de recompensas. Los empleados que no cometen infracciones durante un mes reciben pequeñas bonificaciones o regalos. Esto reduce la resistencia del personal y fomenta una cultura de seguridad consciente.
• Preparación previa: antes del lanzamiento del sistema, se llevaron a cabo capacitaciones y charlas, lo que permitió aliviar la ansiedad e incluso despertar el interés de los trabajadores.

Economía del proyecto y perspectivas de desarrollo

La creación de un sistema propio requiere inversión, pero a largo plazo resulta más rentable que comprar soluciones comerciales listas para usar. Los principales costos corresponden al salario del programador (unos 6 meses de trabajo) y a la compra de equipos de servidor (alrededor de 2-3 millones de rublos). Sin embargo, el desarrollo interno permite escalar el sistema de forma gratuita, añadir nuevas funciones (por ejemplo, reconocimiento facial) e integrarlo con los productos de TI internos de la empresa (1C, Bitrix).

Qué aprenderá en este seminario web:

• ¿Cómo elegir y entrenar un modelo Open Source de visión artificial para las necesidades de HSE?
• ¿Cómo organizar la notificación rápida a los gerentes sobre infracciones mediante bots de Telegram?
• ¿Cómo superar la resistencia del personal al implementar sistemas de videovigilancia total?
• ¿Cuáles son los costos reales de desarrollar un sistema propio de visión artificial en comparación con la compra de soluciones comerciales?
• ¿Cómo ayuda la visión artificial a reducir el nivel de microtraumatismos en la producción?