在工业环境中工作一直是危险的，工厂经理们努力寻找最佳的解决方案，以尽量减少伤①亡。其目的是减少危害，管理风险，预防事故的发生。相关立法执行了许多规章制度，但这些规章制度大多源于过去的错误，不足以避免将来的不幸。
使用IoT传感器可以为算法提供实时数据，并允许它在现场做出决策。例如，如果传感器检测到气体泄漏，温度升高或多余的湿度，则工作可能立←即停止，或者至少通知现场管理员。这些类型的决定是】确定性的，对未来的了解并不多。
创立更安全环境的另一种方法是运用计算机⊙和机器学习的功能。通过创立不々同的场景，该算法能够感知什么是安全与什么不安全之间的差异。
计算机视觉功能
机器视觉的进步意味着现在的算法能够〒识别物体、边缘和速度。随着处理才能（GPU）、传感器和独立运载体系（如机器人和无人机）的进步，我们现在具备了所有必要的要素，能够创立最先进的安全程序，这些程序完全自动化，比人类同类程序更好。计算机视觉致力于有用仿制人眼，并具有大脑分辩不同物体或情况之间差异的才能。在工业环境中运用此设备能够防备和削减事端的发生。
工业安全细分和解决方案
一个专用的↘网络资源，界说了一系列主题，作为工业安全的一部分。咱们将讨论计算机视觉为每个解决方案供给的或许解决●方案
工艺与出产安全
大多数出产设备都现已安装了闭路电视系统。计算机视觉算法能▲够运用这个实时的feed来检测异常。例如，在特定区域，由于移动部件或其他风险，不允▃许工人进入。如果经过现场录像发现这种状况，则能『够停止整个过程。
机器视觉能够操控各种或不同的设备，从而使出产过程自动化。这提高了功率，并使工作场所更安全，由于々它消除了人们在风险区域的需求。例如，经过运用条形码，能够依据产品的最终目的地对产品进行分类或包装，而无需人工ξ 操作。
资料安全
主动扫描仪能够安装在生产线上。它能够识别出原资料中的任何缺陷，如划痕、不均匀的油漆涂层，乃至是肉眼看不到但可能对终究产品造成灾祸的小缺陷。更重要◇的是，物联网设备能够以手动质量控制器不可能到达的速度实现这一点。来自InData实验室的计算机视觉专家描述了多目标检测如何使这一过程对同一物体的不同部分精确、快速。
消防安全
在所有◥工业环境中，热感和烟雾传感器已经成为标准安全设备的一部分。这些能够辅之以红外摄像机等预防〓措施。例如，如果设备过热并起火，则能∩够在红外热像仪上看到该设备，并在其成为危险之前将其停止电气安全。
运用IoT传感╳器是确保所有电路正常运行的廉价有效方法。它能够搜集有关张力，电压，焦耳效应的数据▅，并防止过度充电，断电乃至短路引起的火灾。计♂算机视觉能够处理来自电路的各种不同╱信号，并检测反常活动。
修建，工作场所和环境安全
安装在无人机或其他类型的自动驾驶汽车上的高分辨率传感器能够扫描周边并检测任何结构改变。这一点→在煤矿，盐矿或石油挖掘场所等高应力环境中尤为重要，由于任何忽然的改变都或许导致人员伤亡或环境危害。
细分环境，并将每∏个部分与预定义的“杰出”模型进行比较。通过Ψ辨认差异，计算机能够协助评估是否存在真实的危险。
所有人一起的一般安全方面
智能传感器系统已经在一些区域投入运用，比如中国，政府在那里运用面部辨认系统来↙保证整体安全。这一主意能够在出产工厂仿制，以消除拜访徽章的需要。与传统的拜访卡或密钥比较，生物特征丈量具有更高的精度。如果在现场处理数据，此解决方案最有效。
挑战性
当然，这样的努力也伴随着一些问题。首先，传感器有必要处于最佳状况，并且彼此之间和整个体系都要兼容。不该忽视连◣续装置、连接和校准它们以确保平稳运行的作业。
其次，经过处理单元发送的＠数据量非常大，这意味着体系应该为网络流量做好预备，或者找到↓在本地处理某些信息的方式，只发送结果以进行进一步分析。
最后，所存储的图画与实际之间可能会有细微的ω差异。体系的容忍度应☆设置得足够低，以正确地对物体进行分类；设置得足够高，以在可接受和危险状况之间做出区别。
未来发展方向
现在，计算机视觉算法大多是确定性的、有限的，但应用广泛。想象一下机器学习将带来卐的进步。它将告诉体系要查找什么，并使其从过去的经验中学习，就像QA工程师在作业中所做的那样。
在初始▓训练阶段和现场校准之后，它将能够提供其他功用，例如面部检测。从各种传感器收集数据并检测相关危险的危险是另一个潜在的方向。
评论