HSE中的AI与机器视觉：从构想到启动之路

从构想到运行系统：食品生产中的机器视觉

人工智能和机器视觉技术的引入正成为工业安全系统发展的自然阶段。这在食品工业中尤为重要，因为HACCP标准对卫生和人员在洁净区的活动有严格规定。FoodTech公司“Kyumi”的代表Ivan Maksimov分享了基于开源（Open Source）解决方案创建和实施机器视觉系统的实践经验。

演讲者详细剖析了从产生构想到启动有效工具的全过程，该工具无需借助昂贵的现成解决方案，即可帮助监控卫生标准和HSE规则的遵守情况。

语言模型的选择与训练过程

系统的基础是开源语言模型MoonDream。选择开源产品使公司在起步阶段节省了大量成本，并能根据自身需求灵活配置系统。演讲中详细探讨了模型的训练过程：

• 基于合成数据的初步训练：训练模型识别烟雾、未戴口罩、未戴帽子和手套，以及异常情况（如人躺在地上）。这有助于建立基本的识别模式。
• 在真实视频流上的微调：系统连接到中央厨房的摄像头。模型开始实时分析画面，识别违规行为（例如，未穿戴卫生服进入生产区）。这确保了在企业特定条件下的高精度运行。
• 与警报系统集成：为了快速响应，配置了向相关主管和技术人员的Telegram机器人发送通知的功能。从记录违规到接收信号的时间不超过15秒。

实施心理学：从惩罚到奖励

技术实现只是成功的一部分。演讲者以自己公司为例，展示了在引入控制系统时与团队建立良好工作关系的重要性。主要原则是：不基于机器视觉数据进行物质惩罚。

• 系统作为助手：向员工解释，机器视觉类似于汽车中的被动安全系统（ABS、安全气囊）。它的建立是为了保护，而不是为了罚款。
• 积极激励：公司没有使用“耻辱柱”，而是采用了奖励制度。一个月内没有违规的员工会获得小额奖金或礼物。这减少了员工的抵触情绪，并形成了自觉的安全文化。
• 前期准备：在系统启动之前，进行了培训和交流，从而消除了员工的焦虑，甚至激发了他们的兴趣。

项目经济学与发展前景

创建自有系统需要投资，但从长远来看，这比购买现成的开箱即用解决方案更具成本效益。主要成本在于程序员的薪酬（约6个月的工作）和购买服务器设备（约200-300万卢布）。然而，自主开发可以免费扩展系统，添加新功能（如面部识别），并将其与公司内部的IT产品（1C、Bitrix）集成。

您将从本次网络研讨会中学到什么：

• 如何选择和训练开源机器视觉模型以满足HSE需求？
• 如何使用Telegram机器人组织对主管的违规快速通知？
• 在引入全面视频监控系统时，如何克服员工的抵触情绪？
• 与购买现成解决方案相比，开发自有机器视觉系统的实际成本是多少？
• 机器视觉如何帮助降低生产中的微小伤害率？