ИИ на предприятии: как компьютерное зрение повысит качество продукции и безопасность производства

Технологии искусственного интеллекта будут глубже проникать в производственные процессы, так как открывают новые возможности для роста бизнеса. По данным McKinsey & Company, они позволяют повысить рентабельность предприятий на 5% и более даже в краткосрочном периоде. На втором месте по популярности внедрения — компьютерное зрение. Давайте c Softline Digital подробнее разберем, как эта технология ИИ и системы видеоаналитики повышают рентабельность бизнеса через улучшение качества продукции и уровня безопасности.

• Компьютерное зрение — что это?
• Сценарии применения компьютерного зрения на производстве
  • Качество продукции
  • Безопасность предприятия
• Как внедрить видеоаналитику на производстве

Компьютерное зрение — что это?

Компьютерное зрение (computer vision, CV) — технология, которая позволяет «машинам» понимать визуальную информацию, поступающую из внешнего мира. Это область искусственного интеллекта (ИИ), которая стремится имитировать зрение человека. Однако в некоторых случаях эта технология превосходит его и замечает то, что наш глаз просто не способен увидеть.

Ученые задумывались над тем, как научить компьютер «видеть», еще в середине прошлого века, но компьютерное зрение превратилось в работающую технологию лишь с развитием машинного обучения (МО), ИИ и аналитики больших данных. Согласно кривой хайпа от Gartner (Hype Cycle for Artificial Intelligence, 2023), компьютерное зрение, в отличие от других технологий ИИ, уже прошло пик завышенных ожиданий и менее чем за два года выйдет на плато продуктивности.

По оценке MarketsandMarkets, в 2023 году объем мирового рынка машинного зрения (компьютерное зрение, которое используется на производстве) составляет 12,9 млрд долларов. Эксперты ожидают, что среднегодовые темпы роста составят 7,3%. В результате к 2028 году объем рынка машинного зрения достигнет 18,4 млрд долларов.

Технологии компьютерного зрения активно внедряются во многих отраслях промышленности и нашей повседневной жизни. Ежедневно миллионы людей используют Face ID или аналоги для разблокировки своих смартфонов. Компьютерное зрение — это основа для комплексной видеоаналитики. Она обеспечивает бизнес новыми данными, на основе которых компания может принимать более точные решения.

Сценарии применения компьютерного зрения на производстве

Использование ИИ в бизнесе уже не феномен. Как минимум треть глобальных корпораций внедрили разные инструменты на базе ИИ, а остальные компании изучают возможности. В промышленности среди технологий ИИ особую нишу занимает компьютерное зрение. От него во многом зависит эффективность автоматизации процессов и роботизация предприятий. В разрезе рынка компьютерного зрения наибольшая доля приходится на производство 25,98%. Еще 19,25% занимает сфера безопасности, следует из данных Statista Market. Разберем два направления, в которых компьютерное зрение применяется особенно активно, — это обеспечение качества продукции и безопасности на производстве.

Качество продукции

Существует множество вариантов применения компьютерного зрения для повышения качества продукции. Основное преимущество этой технологии — организация многостороннего и комплексного подхода в работе с сырьем и готовыми товарами.

Обнаружение дефектов

Компьютерное зрение способно анализировать форму и размер сырья или уже готовой продукции. Благодаря алгоритмам система выявляет объекты, которые не подходят под заданные параметры. Помимо этого, она может определить, насколько серьезны отклонения от нормы, классифицировать их и выбрать, какие действия предпринять дальше на основе этих данных. Это помогает исключить попадание некачественных сырья или деталей в производство и тем самым снизить риск убытков от всей испорченной партии. По данным McKinsey & Company, компьютерное зрение способно повысить уровень обнаружения дефектов до 90%.

Например, в автомобильной промышленности применяется дефектоскопия на основе компьютерного зрения. Интеллектуальная система может инспектировать качество сборки автомобильных рам и контролировать наличие всех отверстий, деталей и узлов, а также их размер вплоть до 1 мкм, расположение и соосность. Подобные решения снижают количество брака, ускоряют процесс проверки и повышают производительность конвейера.

Контроль качества продукции

Качество товаров и продуктов контролируется на разных этапах производственного процесса. Чем раньше будет обнаружена «ошибка», тем больше удастся сократить издержки. На предприятиях, где уровень автоматизации невысок, контроль качества продукции проводится человеком методом случайной выборки. Такой подход требует много времени. К тому же человек не застрахован от ошибок. Возможности компьютерного зрения позволяют в режиме реального времени контролировать качество продукции.

Например, в металлургии компьютерное зрение может в режиме реального времени анализировать руду. Камеры устанавливаются над конвейером. Интеллектуальная система детектирует фрагменты руды и классифицирует их. Благодаря этому система настраивает работу мельниц под особенности сырья. Компьютерное зрение также может обнаруживать посторонние предметы, которые могут попасть в мельницу с сырьем. Это позволяет эффективнее использовать оборудование и предотвратить его поломку.

Или другой пример из пищевой промышленности. В этой отрасли важную роль играет упаковка товара. Она не только привлекает внимание покупателей, но и обеспечивает сохранность продукции. Камеры сканируют упаковку, а обученная система определяет ее форму, размер, цвет, комплектность, наличие царапин и дефектов, специальной маркировки. Также решение можно дополнить системами контроля наполняемости тары.

Анализ сырья

Человеку сложно быстро и качественно оценить большой объем продукции. Системы на основе ИИ помогают проанализировать длину, ширину, высоту, объем сырья и сделать выводы о его весе, плотности, достаточности.

Например, в лесоперерабатывающей отрасли компьютерное зрение используется для идентификации и классификации древесины. На начальном этапе интеллектуальная система может измерить длину и ширину стволов, посчитать их количество, определить породу и на основе исторических данных рассчитать объем сложенной штабелями древесины. На мебельном производстве потребуется другое решение. Древесина в зависимости от породы, места произрастания дерева и хранения имеет разную плотность, цвет, структуру. Современные системы компьютерного зрения способны идентифицировать микроструктуру поступившей на предприятие древесины. На основе полученных данных специалисты на предприятии принимают решение, как лучше использовать это сырье для производства мебели или других изделий.

На базе компьютерного зрения также можно выстроить систему учета готовой продукции. Например, на трубном заводе технология автоматизирует подсчет выпущенных труб, их классификацию по заданным параметрам и определяет бракованный товар. На основе полученных данных система формирует отчет об эффективности производства.

Безопасность предприятия

Технологии ИИ зарекомендовали себя в сфере безопасности. «Умные» камеры установлены на дорогах и улицах, в школах и госучреждениях, предприятиях и офисах. По оценкам экспертов, доля ИИ на этом рынке в 2024 году составит более 25 млрд долларов и будет расти ежегодно в среднем на 19%. Компьютерное зрение, как область ИИ, набрало популярность в области безопасности, так как обеспечивает мониторинг обстановки в режиме реального времени. 

Безопасность сотрудников и продукции

По данным международной организации труда, ежегодно в мире на производствах регистрируется примерно 340 млн несчастных случаев. Большая их часть происходит из-за несоблюдения элементарных правил и протоколов. «Умные» камеры на предприятиях способны контролировать, соблюдают ли сотрудники инструкции по охране труда, носят ли средства индивидуальной защиты (СИЗ).

Например, на предприятиях в химической промышленности есть особо опасные зоны, в которых нахождение людей без специальных СИЗ нежелательно. Средства распознавания на основе компьютерного зрения определяют личность работника и наличие на нем СИЗ и их комплектность. Система взаимосвязана с турникетами или электронными замками — это контролирует проход в опасную зону сотрудников только в экипировке. Мониторинг процесса происходит онлайн — уведомления о нарушениях поступают сразу на пульт в центр управления или на гаджет работника.

Системы распознавания контролируют не только выполнение правил охраны труда, но и соблюдение сотрудниками норм гигиены и санитарии. Особенно это важно на предприятиях агропромышленного комплекса. Например, на производстве свинины сотрудники должны строго соблюдать правила, убирать и обрабатывать рабочие поверхности, носить СИЗ. В случае несоблюдения инструкций, высок риск занесения на предприятие африканской чумы свиней (АЧС) или других инфекций, что чревато миллиардным ущербом. С помощью систем компьютерного зрения можно проследить, насколько качественно сотрудник обработал руки и поверхности, в какой одежде он находится в производственных зонах. Видеоаналитика также связана с пропускной системой предприятия, и в случае нарушения инструкций сотрудник не сможет войти в производственный цех.

Анализ оборудования

Чтобы обеспечить стабильную работу оборудования, необходимо своевременно устранять причины поломок, заменять изношенные детали и проводить профилактический ремонт. Алгоритмы компьютерного зрения могут анализировать визуальные данные и обнаруживать аномалии, признаки износа (коррозию, нарушение целостности поверхностей), мониторить характер работы оборудования.

Например, камеры устанавливаются вдоль конвейерных лент и в труднодоступных местах, алгоритмы непрерывно анализируют отснятый материал. Это позволяет оценить натяжение ленты, обнаружить критический износ, повреждения или посторонние предметы. В совокупности с данными с других датчиков и историческими сведениями интеллектуальные системы спрогнозируют необходимость ремонта или замены частей оборудования. Это предотвращает длительный простой из-за аварий и помогает запланировать необходимые на профилактические работы траты в бюджете.

Контроль доступа и распознавание объектов

Биометрические системы контроля доступа обеспечивают более высокий уровень безопасности, чем традиционные методы. Особенно технологии востребованы на критически важных объектах, но в зоне риска находится любое государственное или коммерческое учреждение.

Как системы компьютерного зрения помогают обеспечить безопасность предприятия:

• Контроль доступа на объект по биометрии. Система распознавания лиц связана с пропускной системой. После того, как сотрудник будет идентифицирован, он получит доступ на охраняемую территорию. Метод позволяет установить отдельный уровень доступа работникам в зависимости от их роли и обязанностей. Помимо этого, данные также поступают в систему учета рабочего времени. Это обеспечивает контроль за местонахождением и перемещениями персонала.
• Распознавание посторонних. «Умные» камеры идентифицируют каждого на входе в охраняемый периметр. Если к объекту приблизится посторонний, т.е. человек не внесенный в базу, то он не сможет открыть двери или турникет. Сигнал о его появлении поступит на пульт охраны.
• Распознавание посторонних предметов. Эта область уже не связана с биометрией, но играет не менее важную роль на промышленных предприятиях. Системы компьютерного зрения способны классифицировать тысячи предметов, поэтому смогут оповестить о наличии нежелательных или тех, которые не должны находиться в периметре. Например, оружие, ножи, громоздкие сумки, незнакомый транспорт и так далее. ИИ анализирует данные с камер в режиме реального времени, поэтому охрана может быстро среагировать и принять меры, чтобы устранить опасность.

Как внедрить видеоаналитику на производстве

Видеоаналитика на основе компьютерного зрения — это шаг на пути к цифровой трансформации предприятия. Ее можно настроить под конкретные бизнес-задачи предприятия, но для этого требуется понимание заказчиком возможностей и ограничений таких систем. Видеоаналитика сама по себе не решит проблему. Она сможет стать эффективным инструментом только в том случае, если и заказчик, и ИТ-интегратор одинаково понимают, какие бизнес-задачи будет решать внедрение. Системы видеоаналитики можно разделить на три группы:

1. простые, которые делают несложный анализ, например, распознавание госномеров на автомобилях.
2. среднесложные, которые способны отреагировать на происходящее на видео, например, подать сигнал тревоги при задымлении или открыть дверь при использовании системы распознавания лиц.
3. комплексные системы видеоаналитики используются на предприятиях и проникают непосредственно в производственные процессы. Они используют множество устройств и могут объединять несколько сервисов, выдавать отчеты и готовую аналитику на дашборд руководителю или диспетчеру.

Сегодня на рынке есть два типа решений:

• коробочные системы видеоаналитики;
• кастомизированная разработка.

Выбор типа системы зависит от целей бизнеса, а также от условий и ограничений на объекте внедрения — есть ли там камеры уже, какое освещение, доступность строений и среды для установки новых устройств и т.д. Иногда будет достаточно качественного коробочного решения. Это быстрый и менее затратный путь. Необходим надежный поставщик, который сможет интегрировать систему в производственный процесс и при необходимости доработать ее. К кастомизированной разработке обычно прибегают тогда, когда на рынке нет подходящего решения. В этом случае заказчику нужно составить подробное техзадание, заложить в нем возможность масштабирования и адаптации системы под изменяющиеся бизнес-процессы.

Так как не все ИТ-департаменты обладают необходимой экспертизой, выбрать разработчика системы видеоаналитики на базе ИИ непросто. В первую очередь, следует обращать внимание на те компании, которые готовы оперативно протестировать свои решения непосредственного на производстве в «настоящих» условиях заказчика.

Softline Digital для внедрения систем видеоаналитики на производственных объектах своих заказчиков использует умную платформу RTMIP от Neirolis. Это no-code решение, которое на основе нейротехнологий и алгоритмов ИИ распознает объекты на фото и видео и анализирует медиапотоки в режиме реального времени. Благодаря платформенному подходу функционал RTMIP меняется как конструктор — под задачи конкретного бизнеса. В нее легко можно интегрировать данные с датчиков и контроллеров, а также объединить функционал решений от разных вендоров. Платформой легко пользоваться, так как у нее понятный и простой интерфейс — в ней смогут работать как сотрудники заказчика, так и внешние команды разработчиков.

В рамках RTMIP можно реализовать разные сценарии видеоаналитики, которые способны повысить контроль за качеством продукции и усовершенствовать системы безопасности на предприятиях. Один из таких сценариев — контроль за соблюдением техники безопасности персоналом. Интеллектуальная система способна идентифицировать нарушение и отправить предупреждение. Все происходит автоматически, и операторам не приходится следить за сотрудниками по камерам безотрывно. Систему можно обучить принимать самостоятельно решения на основе видеопотоков, например, открывать двери с электронными замками или шлагбаум только для конкретных автомобилей или людей.

Какие в RTMIP есть типы распознавания?

• Распознавания лиц;
• Распознавание эмоций и анализ поведенческих шаблонов;
• Распознавание более 20 тыс. классов объектов;
• Распознавание людей и машин;
• Распознавание текста и графики.

RTMIP ведет запись видеоархива и накапливает базы данных изображений, в том числе профайлов людей. Система обрабатывает поступившие с камер сведения и формирует на их основе статистику в удобном для пользователя формате — в виде диаграмм, виджетов, графиков, таблиц и т.д. На основе этой информации сотрудники предприятия могут принимать как ситуационные, так и стратегические решения.