AI i widzenie maszynowe w HSE: droga od pomysłu do wdrożenia

Od pomysłu do działającego systemu: widzenie maszynowe w przemyśle spożywczym

Wdrażanie technologii sztucznej inteligencji i widzenia maszynowego staje się naturalnym etapem rozwoju systemów bezpieczeństwa przemysłowego. Jest to szczególnie ważne w przemyśle spożywczym, gdzie wymogi HACCP dyktują surowe zasady higieny i przebywania personelu w strefach czystych. Iwan Maksimow, przedstawiciel firmy FoodTech "Kjumi", dzieli się praktycznym doświadczeniem w tworzeniu i wdrażaniu systemu widzenia maszynowego w oparciu o rozwiązania Open Source.

Prelegent analizuje drogę od powstania pomysłu do uruchomienia działającego narzędzia, które pomaga kontrolować przestrzeganie norm sanitarnych i zasad HSE bez angażowania drogich gotowych rozwiązań.

Wybór modelu językowego i proces uczenia

Podstawą systemu stał się otwarty model językowy MoonDream. Wybór produktu Open Source pozwolił firmie znacznie zaoszczędzić na starcie i elastycznie dostosować system do własnych potrzeb. W wystąpieniu szczegółowo omówiono proces uczenia modelu:

• Początkowe uczenie na danych syntetycznych: model uczono rozpoznawania zadymienia, braku masek, nakryć głowy i rękawiczek, a także nietypowych sytuacji (np. człowiek leżący na podłodze). Pozwoliło to na stworzenie podstawowych wzorców rozpoznawania.
• Douczanie na rzeczywistym strumieniu wideo: system podłączono do kamer w fabryce-kuchni. Model zaczął analizować klatki w czasie rzeczywistym, wykrywając naruszenia (np. wejście do strefy produkcyjnej bez odzieży sanitarnej). Zapewniło to wysoką dokładność działania w konkretnych warunkach przedsiębiorstwa.
• Integracja z systemami powiadamiania: w celu szybkiego reagowania skonfigurowano wysyłanie powiadomień do bota na Telegramie dla odpowiedzialnych kierowników i technologów. Czas od zarejestrowania naruszenia do otrzymania sygnału wynosi nie więcej niż 15 sekund.

Psychologia wdrożenia: od kar do nagród

Realizacja techniczna to tylko część sukcesu. Prelegent pokazuje na przykładzie swojej firmy, jak ważne jest odpowiednie zorganizowanie pracy z zespołem podczas wdrażania systemów kontroli. Główną zasadą jest rezygnacja z kar finansowych na podstawie danych z widzenia maszynowego.

• System jako pomocnik: pracownikom wyjaśnia się, że widzenie maszynowe to odpowiednik pasywnych systemów bezpieczeństwa w samochodzie (ABS, poduszki powietrzne). Został stworzony do ochrony, a nie do nakładania mandatów.
• Pozytywna motywacja: zamiast "tablic hańby" firma stosuje system nagród. Pracownicy, którzy nie dopuszczą się naruszeń w ciągu miesiąca, otrzymują niewielkie premie lub prezenty. Zmniejsza to opór personelu i kształtuje kulturę świadomego bezpieczeństwa.
• Wstępne przygotowanie: przed uruchomieniem systemu przeprowadzono szkolenia i rozmowy, co pozwoliło zmniejszyć niepokój, a nawet wzbudzić zainteresowanie wśród pracowników.

Ekonomia projektu i perspektywy rozwoju

Stworzenie własnego systemu wymaga inwestycji, ale w dłuższej perspektywie okazuje się bardziej opłacalne niż zakup gotowych rozwiązań pudełkowych. Główne koszty to wynagrodzenie programisty (około 6 miesięcy pracy) i zakup sprzętu serwerowego (około 2-3 mln rubli). Jednak własne opracowanie pozwala na bezpłatne skalowanie systemu, dodawanie nowych funkcji (np. rozpoznawanie twarzy) i integrację z wewnętrznymi produktami IT firmy (1C, Bitrix).

Czego dowiesz się z tego webinarium:

• Jak wybrać i wytrenować model widzenia maszynowego Open Source na potrzeby HSE?
• Jak zorganizować szybkie powiadamianie kierowników o naruszeniach za pomocą botów na Telegramie?
• Jak pokonać opór personelu przy wdrażaniu systemów całkowitej kontroli wideo?
• Jakie są rzeczywiste koszty opracowania własnego systemu widzenia maszynowego w porównaniu z zakupem gotowych rozwiązań?
• Jak widzenie maszynowe pomaga zmniejszyć wskaźnik mikrourazów w produkcji?