ارزش فناوری وقتی بیشتر مشخص میشود که در خدمت انسان ها قرار گیرد . شاید بهترین خدمت فناوری به انسان ، میتواند حفاظت از جان آن باشد.مسئولیت خطیر واحد های ایمنی و HSE در پروژه ها و سازمان های صنعتی و غیر صنعتی در پیشگیری از بروز حوادث ناگوار ،برهمگان مشخص است.در این مقاله ، فناوری هوش مصنوعی در اختیار واحد های ایمنی قرار گرفته تا با استفاده از آنالیتیک های تشخیص تجهیزات حفاظت فردی ، هم کنترل افراد را بیشتر و دقیق تر نمایند و هم  در ارتقا فرهنگ استفاده از تجهیزات PPE موثرتر باشند.

هدف: هوش مصنوعی PPE : Personal Protective Equipment این است که استفاده افراد از تجهیزات حفاظت فردی در محیط کاری و کارگاهی ، آنالیز نموده و در صورتیکه پرسنلی بدون این تجهیزات در پروژه حضور پیدا کند ،آلارم صادر نماید.
فعالسازی هوش مصنوعی تجهیزات حفاظت فردی با هدف تشخیص استفاده از کلاه ایمنی در یک موقعیت صنعتی با شرایط واقعی و در محیط واقعی  ، با موفقیت تست گردید.


تصویر1- اعلام آلارم و اسکرین شات از فردی که از کلاه ایمنی استفاده نکرده است.


تصویر2- تفکیک افراد دارای کلاه ایمنی از فرد خاطی با رنگ بندی قرمز و Track نمودن مسیرطی شده
      آنالیزهای هوش مصنوعی بر اساس تکنیک شبکه های عصبی مصنوعی به انجام میرسد. شبکه های عصبی هوش مصنوعی یا ANN، به دسته ای خاص از مدل های یادگیری ماشین اطلاق می شوند که برای انجام فعالیت های مختلفی طراحی و بهینه شده اند. یک شبکه عصبی، به مدلی گفته می شود که به هوش مصنوعی اجازه می دهد تا داده ها را با الهام از روش تفکر و پردازش ذهنی انسان، مورد بررسی قرار دهد.این فرآیند به یادگیری عمیق مرتبط بوده و ساختار نسبتا پیچیده ای را در خود جای داده است.

      جهت تشخیص هر یک از هوش مصنوعی های تشخیص تجهیزات حفاظت فردی ، یک فایل شبکه عصبی ANN در سرور اکسون وان در دسترس قرار گرفته است.بصورت پیش فرض Axxon one قادر به تشخیص تجهیزات حفاظت فردی ذیل می باشد :
1- کلاه ایمنی (Helmet)
2- روپوش بالاتنه (Hood)
3- دستکش (Gloves)
4- جلیقه (Vest)
مدل هوش مصنوعی پیش فرض اکسون برای کلاه ایمنی ، از کلاه های ایمنی با رنگ های ذیل پشتیبانی می نماید:

تصویر3- رنگ های کلاه ایمنی قابل تشخیص توسط فایل پیش فرض شبکه عصبیPPE (ANN ) اکسون وان
همچنین رو پوش های ذیل نیزبصورت پیش فرض قابل تشخیص اند:


تصویر4- رنگ و شکل جلیقه قابل تشخیص توسط فایل پیش فرض شبکه عصبیPPE (ANN ) اکسون وان

     در آرشیو Event ها و Alarm های ذخیره شده ، بسته به هوش مصنوعی یا آنالیتیکی که فعال کرده اید ، دلیل بروز Alert را خواهید دید.

به تصویر ذیل توجه فرمایید :

تصویر5- ذخیره آرشیو ویدئویی آلارم های هوش مصنوعی در اکسون وان (فرد خاطی در آرشیو Alert ها مشخص شده است)

دو فرد در تصویر فوق الذکر را مشاهده می کنید.

فردی که کلاه ایمنی دارد ، باعث بروز آلارمی نشده است.

اما فرد بدون کلاه ایمنی که در مجاور آن قرار دارد یا فردی که پشت به دوربین ، بدون کلاه ایمنی ، در حال راه رفتن است، باعث صادر شدن آلارم شده است.

مطابق با تصویر فوق (نقطه چین های قرمز ) می توانید محدوده آزاد را نیز مشخص کنید تا کسانی که صرفاً در محدوده مورد نظر شما بطور مثال ناحیه Hazard هستند ، مورد پایش هوش مصنوعی قرار گیرند و کسانیکه بدون کلاه ایمنی در منطقه خارج از ناحیه حساس هستند ، باعث صدور آلارم نشوند.

کانفیگ و تنظیمات هوش مصنوعی تجهیزات حفاظت فردی یا Personal Protective Equipment-PPE به قرار ذیل است:

تصویر6- پارامتر های کانفیگ هوش مصنوعی تجهیزات حفاظت فردی و محل تزریق فایل های شبکه های عصبی ANN

پارامتر1: ذخیره نواحی انتخاب شده در آرشیو ویدئویی انجام شود یا خیر؟


پارامتر2:  مسیر حرکت کردن فرد خاطی (بطور مثال مسیر راه رفتن فرد بدون کلاه ایمنی) در آرشیو ویدئویی ذخیره شود یا خیر؟


پارامتر3: آرشیو با کیفیت و رزولوشن بالا ذخیره شود یا پایین؟


*** پارامتر4-10: نمونه فایل محیط نصب دوربین ، در این قسمت ها آپلود میشود تا با یادگیری AI اکسون از آنها ، به مرور دقت ارزیابی ها افزایش یافته و False Alarm ها کمتر میشود. ***


***پارامتر5-9: میتوان مشخص کرد که پردازش هوش مصنوعی تجهیزات حفاظت فردی را سخت افزار CPU برعهده بگیرد یا GPU.

تقریباً تمامی پردازش های هوش مصنوعی اکسون وان ، توسط CPU قابل اجرا هستند . لکن برای بسیاری از ai ها که قابلیت اجرا روی GPU دارند ، GPU عملکرد بسیار بهتری در عمل داشته و منابع پردازشی را بهینه تر مصرف میکند.

همانطور که میدانید بصورت خلاصه: CPU مناسبت پردازش ها و محاسبات بزرگ با تعداد کم است و GPU مناسب پردازش ها و محاسبات کوچک اما با تعداد بسیار بسیار زیاد است.


پارامتر6: تعداد پردازش فریم در ثانیه را میتوانید بسته به توان پردازشی که در اختیار دارید مشخص کنید.

هر چه تعداد فریم بالاتر باشد ، پردازش ها و Alert ای دقیق تر و درست تری خواهید داشت.بدیهی است برای محیط های شلوغ و پرتردد ، می بایست به تعداد فریم بالا برسید.

روند بدست آوردن تعداد فریم مناسب ، تجربی است و با سعی و خطا بدست می آید.اوایل ران کردن پروژه ، مرتب می بایست با این پارامتر ها ، آنالیتیک خود را تیون کنید.


پارامتر7  و 8: بسته به فاصله دوربین تا سوژه ها ، حداقل طول و عرض فرد را مشخص میکنید.

در سایر پارامتر ها می توان مشخص کرد چه تعداد آنالیتیک هایی بازای هر ایونت ، در پردازش قرار گیرد . همزمانی بررسی کلاه ایمنی ، دستکش و لباس کار انجام شود یا خیر


در ادامه این سری مقالات ، سایر آنالیتیک های مرتبط با مسایل HSE و اورژانسی نظیر(( تشخیص غش کردن و از حال رفتن افراد)) یا  Man Down Detection را برای رسیدگی به بیمار در Golden time را تشریح خواهم نمود.

با ما همراه باشید...