HSE中的AI与视频分析：从构想到自主上线的全过程

HSE中的人工智能：从构想到运行系统

在HSE中引入机器视觉和人工智能系统通常被认为是一个昂贵且复杂的过程，只有大型企业才能负担得起。然而，现代技术允许依靠内部专家的力量来实现此类项目。Qummy公司的HSE专家Ivan Maksimov分享了在食品生产中使用开源解决方案创建和启动视频分析系统的实践经验。

实施背景：为什么需要自动化控制

食品生产具有严格的卫生标准和安全要求。演讲者分析了促使公司实现控制自动化的主要问题：

• 违反卫生着装规定：员工在洁净区和污染区之间移动时，经常忘记戴手套、帽子或换鞋。
• 未经授权的设备操作：在没有适当资质的情况下，试图自行维修或干预正在运行的机械设备。
• 管理人员的时间成本高：一线管理人员不得不花费大量工作时间进行目视检查以确保违规行为得到控制。

技术选择：开源模型MoonDream

公司没有购买昂贵的商业解决方案，而是选择了基于开源语言模型MoonDream进行自主开发的道路。演讲详细探讨了该系统的功能：

• 实时视频流分析：该模型能够逐帧分析图像并识别预设模式（如未佩戴PPE、冒烟、人员跌倒）。
• 训练灵活性：系统使用生产现场的真实照片和视频进行训练，从而能够适应特定企业的具体条件。
• 经济性：在公司自有服务器上使用开源产品，免去了许可证和云存储的费用。

实施阶段：从预训练到工业化运行

实施过程历时数月，包括以下连续步骤：

• 人工数据预训练：创建用于识别火灾、烟雾以及是否佩戴口罩、手套和帽子的基础模型。
• 真实视频流训练：使模型适应特定生产条件，纠正错误和误报。
• 配置警报系统：开发Telegram机器人，以便及时向车间主管通报发现的违规行为，并注明日期、时间和地点。

实施成果与员工管理

在试运行期间，系统发现了2700多起违规事件，同时误报率降至5%。演讲者通过实例展示了自动化如何影响安全文化：

• 提高自律性：违反卫生着装规定的数量显著下降。
• 减少轻微伤害：与去年同期相比，轻微伤害的数量有所减少。
• 积极激励：公司没有对违规行为进行惩罚，而是引入了奖励制度，表彰严格遵守安全规定的员工。

您将从本次网络研讨会中学到什么：

• 如何基于免费的开源解决方案部署视频分析系统？
• 神经网络需要经过哪些训练阶段才能在生产中正确运行？
• 如何配置通过Telegram向管理人员及时发送违规警报？
• 在实施全面控制系统时，如何克服员工的抵触情绪？
• 为了使视频分析有效运行，对摄像头有哪些技术要求？