根據計算機科學文獻，人工智能被定義為一種能夠模仿人腦行為的技術。

近年來，我們看到越來越多的工業4.0解決方案，其技術涉及人工智能、語音分析和圖像檢測，成為制造活動的一個組成部分。這些可能包括提高生產力，更早發現機器故障，以及控制質量。

在這篇文章中，我們將討論如何應用計算機視覺技術來檢測工廠和物流中心等工業設施的安全隱患，以實時預防人機事故的發生

當計算機比我們看得更清楚時

想象一下，一位安全官員坐在一個充滿顯示器的控制室里，這些顯示器顯示著工廠的活動。在一個屏幕上，我們看到裝貨區和作業車輛的緊張活動，在第二個屏幕上，我們看到工廠的一個生產車間，有許多裝配線和活動正在進行。在第三個屏幕中，顯示了一個成品倉庫，貨架排列在架子上，有時達到天花板。而且，這些只是一個完整的屏幕網格中的三個。

沒有人，無論他或她在工作中多么熟練和專注，能夠同時查看所有的屏幕，識別接近事故并實時提供有效的警報，這可以導致事故的預防。

相比之下，具有視覺分析算法的計算機能夠每天24小時、每周7天同時分析所有屏幕，并在危險活動成為事故之前予以制止。

利用智能技術

計算機視覺是人工智能最古老的領域之一。計算機視覺的一個主要目標是從圖像中提取或分析視覺信息。雖然它是解決方案的一個組成部分，但它本身并不足以解決我們面臨的復雜問題。

在復雜的工業安全世界中，僅僅找到空間中的物體是不夠的。我們必須確定物體的類型（物體檢測），以及它與工廠中其他物體的互動方式。至關重要的是，我們要持續監測物體的軌跡，包括它的移動速度和方向，以及預測它將在什么時間到達什么地點。

最重要的是這個動作是否可能對它或其他物體產生潛在的風險（異常檢測）。

從控制室到自主安全系統

讓我們回到上一段所述的虛擬控制室攝像機。作為一個起點，我們將看一下位于工廠充電區上方的攝像機。在該區域移動的物體被算法識別，并根據其特征進行分類，如人、叉車、卡車、手推車、箱子等。

這里的目標是確保充電區的人的安全，防止他們被車輛撞到。對于每一個人型物體，都要對其與車輛的接近程度進行評估，包括靜態或動態的。此外，為了避免產生錯誤的警報，必須確保只在真正的風險情況下發出警報，而不是在有接近但有安全距離的情況下發出警報。

現在我們將進入生產車間。系統檢查進入大廳的工人是否穿著安全員為工作環境規定的防護設備。之后，系統會分析每個工人在機器前的活動。系統已被告知機器允許和禁止的操作模式，當檢測到異常或危險行為時，系統會發出警報

一個經常被問到的問題是："算法如何確定什么是正確的，什么是錯誤的，什么是危險的，什么是不危險的？"。答案是，該算法正在不斷學習。系統捕捉到的物體、運動和事件被系統反饋和分析，以加強對安全和正常活動與威脅生命的活動之間的區分。

持續學習過程是機器學習算法的一個關鍵因素，負責防止假陽性警報，并在事故即將發生時才 "大喊"。

深入研究視覺分析

有一個例子可以很好地說明異常檢測的問題，那就是區分工具刀的正確使用和危險使用。在上述現場，有六臺機器，它們都緊挨著。每臺機器旁邊的架子上都有操作機器和進行生產活動的必要設備。架子上有螺絲刀、鉗子、美工刀，對了，還有替換刀片。到目前為止，事情進展順利。

危險的情況開始于一名工人發現他的刀刃不再鋒利，當他試圖更換時，沒有新的刀片可用。那么他做了什么？為了獲得新刀片，他接近了另一個工人的位置。這也是可以的。這也是可以接受的。問題是，他在從一臺機器到另一臺機器的過程中沒有把刀從手中拿開，而刀片雖然可能不夠鋒利，無法切割原材料，但卻足以刺傷鄰居的手臂，使他受傷。

計算機視覺分析已經達到了這樣的程度：它不僅可以識別實用刀類物體，還可以識別它對員工產生危險的確切情況。因此，在準確的時刻發出警報對防止傷害至關重要

關掉 "創意繞行"

最后，我們來看看由一臺攝像機提供的視頻分析，它位于一個戰略位置，可以俯瞰整個操作區，是如何確保整個場所的安全的。

通過考察一個最先進的生產車間，其中包含多臺機器和機械臂，這個例子將更具挑戰性。這些機器對于精簡生產至關重要，因為自動化流程加快了生產速度，縮短了工作流程，是工業4.0革命的一個組成部分，這就是為什么幾乎所有這些機器都具有內置的安全機制。

這似乎是工廠中最安全的地方，然而，據接受采訪的工廠安全經理表示，盡管機器內置了先進的安全功能，但事故仍在繼續發生。這是因為對他們的安全構成最大威脅的是工人本身。

工人們不斷想方設法規避安全措施，使自己始終處于受傷甚至死亡的危險之中。

員工的動機很明確，他們努力實現最大產出，以滿足為他們設定的目標。在遮蓋或移除安裝在機器上的攝像頭或運動傳感器時，工人不會停下來考慮他正在將自己或他的同事置于危險之中。

這里也采用了相同的圖像分析和計算機化學習算法。在第一階段，系統訓練自己識別適當的工作配置，利用內置的安全機制。經過幾天，有時甚至幾個小時的培訓，系統會在出現異常和違反安全規定時開始發出警報。然而，與工人觸及范圍內的安全措施不同，他們無法訪問系統攝像頭，并且不可能在不記錄損壞的情況下破壞它們以擾亂他們的操作。

動態安全

工業廠房和物流倉庫的工人面臨高風險。利用我們所研究的技術，為整個設施創建一個全面的安全范圍，涵蓋每天進行的所有不同流程。

由于機器學習軟件，系統不會停止學習。該系統可檢測員工中的障礙物、物理對象和危險活動趨勢，并協助管理人員規劃和控制工廠安全。

警報和拯救生命

如果檢測到的風險接近事故級別，則必須發出警報以阻止事件演變成真正的災難。

可以采用多種方法來實現此目標

提醒工人的最有效方法之一是在安全區域的中央位置使用集成到警報器中的閃光燈以及聲音警報。

這種方法的一個主要優點是實施起來簡單，并且可以立即將危險行為暴露給整個活動空間內的所有管理人員。第二個準確度是在機器本身上安裝警報工具。

在車輛中，警報工具可以是簡單的聲光警報器，也可以是類似于安裝在汽車中的信息屏幕。

對于生產機器或裝配線，警報方法可以包括照明和警報、關閉機器或與機器集成以消除特定風險，而不是完全停止生產線的生產。

紅綠燈的使用是另一個有趣的環境警報。紅綠燈已在工廠中使用多年，但它們的運行周期很簡單。另一方面，由計算機化圖像分析系統操作的交通信號燈只有在可能發生碰撞時才會顯示紅燈。這將節省大量時間并提高生產率。