IA et analyse vidéo en HSE : de l'idée au lancement en interne

L'intelligence artificielle en HSE : de l'idée au système fonctionnel

L'intégration de systèmes de vision par ordinateur et d'intelligence artificielle en HSE est souvent perçue comme un processus coûteux et complexe, réservé aux grandes entreprises. Cependant, les technologies modernes permettent de réaliser de tels projets grâce à des spécialistes internes. Ivan Maksimov, spécialiste HSE chez Qummy, partage son expérience pratique de la création et du lancement d'un système d'analyse vidéo dans une usine de production alimentaire à l'aide de solutions open-source.

Contexte de l'intégration : pourquoi un contrôle automatisé était nécessaire

La production alimentaire est soumise à des normes sanitaires et des exigences de sécurité strictes. L'intervenant analyse les principaux problèmes qui ont poussé l'entreprise à automatiser les contrôles :

• Violation des règles de port des vêtements sanitaires : les employés oubliaient régulièrement de mettre des gants, des charlottes ou de changer de chaussures lors du passage entre les zones propres et sales.
• Actions non autorisées sur les équipements : tentatives de réparation autonome ou d'intervention sur des mécanismes en marche sans les qualifications requises.
• Temps considérable consacré par les managers : les responsables hiérarchiques devaient consacrer une grande partie de leur temps de travail au contrôle visuel du respect des règles.

Choix de la technologie : le modèle open-source MoonDream

Au lieu d'acheter des solutions commerciales coûteuses, l'entreprise a choisi de développer son propre système basé sur le modèle linguistique ouvert MoonDream. La présentation détaille les fonctionnalités de ce système :

• Analyse du flux vidéo en temps réel : le modèle est capable d'analyser l'image image par image et d'identifier des modèles prédéfinis (absence d'EPI, fumée, chute d'une personne).
• Flexibilité d'apprentissage : le système est formé sur des photos et vidéos réelles de la production, ce qui permet de l'adapter aux conditions spécifiques de l'entreprise.
• Rentabilité : l'utilisation d'un produit open-source sur les propres serveurs de l'entreprise élimine les coûts de licences et de stockage cloud.

Étapes de réalisation : du pré-entraînement à l'exploitation industrielle

Le processus d'intégration a duré plusieurs mois et a compris les étapes successives suivantes :

• Pré-entraînement sur des données artificielles : création de modèles de base pour la reconnaissance d'incendies, de fumée, de la présence de masques, de gants et de couvre-chefs.
• Entraînement sur un flux vidéo réel : adaptation du modèle aux conditions spécifiques de la production, correction des erreurs et des fausses alertes.
• Configuration du système d'alerte : développement d'un bot Telegram pour informer rapidement les chefs d'atelier des violations détectées, en précisant la date, l'heure et le lieu.

Résultats de l'intégration et travail avec le personnel

Pendant la période d'exploitation pilote, le système a détecté plus de 2700 non-conformités, tandis que le taux de fausses alertes a été réduit à 5 %. L'intervenant montre par l'exemple comment l'automatisation a influencé la culture de sécurité :

• Amélioration de l'autodiscipline : le nombre de violations des règles de port des vêtements sanitaires a considérablement diminué.
• Réduction des micro-traumatismes : une diminution du nombre de micro-traumatismes a été enregistrée par rapport à la même période de l'année précédente.
• Motivation positive : au lieu de punir les violations, l'entreprise a mis en place un système de récompense pour les employés qui respectent scrupuleusement les règles de sécurité.

Ce que vous apprendrez dans ce webinaire :

• Comment déployer un système d'analyse vidéo basé sur des solutions open-source gratuites ?
• Quelles sont les étapes d'apprentissage qu'un réseau de neurones doit franchir pour fonctionner correctement en production ?
• Comment configurer des alertes rapides pour les responsables via Telegram en cas de violation ?
• Comment surmonter la résistance du personnel lors de l'intégration de systèmes de contrôle total ?
• Quelles sont les exigences techniques pour les caméras afin d'assurer une analyse vidéo efficace ?