Компьютерное (машинное) зрение — область искусственного интеллекта, связанная с анализом фото- и видеоизображений. В его основе лежат методы глубокого машинного обучения. Выявление заболеваний по рентгеновским снимкам, распознавание лиц в офисе банка, управление беспилотным автомобилем, перевод языка жестов, преобразование рукописного текста в печатный — эта технология сегодня используется для решения многих задач. Но ведущей сферой применения машинного зрения, пожалуй, является промышленное производство. 

В промышленности, как правило, наиболее эффективен анализ видео, а не фото. При этом важно понимать отличие систем видеоаналитики от видеонаблюдения. Системы видеонаблюдения просто записывают и архивируют видеопоток, а также параллельно отображают его оператору. В свою очередь, оператор смотрит на экраны и пытается зафиксировать какие-либо события с десятков видеокамер. Видеоаналитика — это система, которая заменяет оператора, она сама анализирует видеопотоки и выделяет в них искомые события. Например, на основе анализа видеопотока нейросеть системы видеоаналитики способна принять решение о вмешательстве в технологический процесс или упреждающие меры для предотвращения несчастного случая.

Структура системы машинного зрения состоит из двух основных компонентов: аппаратного обеспечения (камеры) и программного, которое выполняет функции аналитики. В зависимости от сферы применения система может интегрироваться в производственную инфраструктуру — например, взаимодействовать с автоматизированными системами управления технологическим процессом (АСУ ТП) и другими решениями автоматизации и учета на предприятии.

На производстве весь спектр задач компьютерного зрения можно разделить на две большие группы:

1. контроль технологических процессов, режимов работы оборудования и качества продукции,

2. контроль действий персонала, в том числе в части соблюдения требований охраны труда.

При исполнении этих функций системы машинного зрения имеют два ключевых преимущества в сравнении с людьми. Во-первых, видеоаналитика обеспечивает значительно более высокий уровень внимания к деталям, чем предполагают человеческие возможности. Использование искусственного интеллекта позволяет исключить человеческий фактор, в частности избежать ситуаций, когда сотрудник чего-то не заметил. Во-вторых, молниеносная обработка большого объема информации обеспечивает значительно более высокую скорость реакции систем на опасные ситуации и своевременную остановку технологического процесса, не доводя его до аварии.

Уже сейчас функционал систем компьютерного зрения охватывает такие задачи, как:

✓ мониторинг технологических процессов;

✓ обнаружение дефектов продукции;

✓ контроль износа и режимов оборудования;

✓ детектирование движения, людей и предметов;

✓ контроль соблюдения регламентов и техники безопасности сотрудниками.

По мере совершенствования алгоритмов нейросетей спектр полномочий этих систем будет только расширяться.

Если говорить о стоимости создания и внедрения технологий компьютерного зрения, то важно учитывать, что этот рынок сравнительно молод и пока не перешел к стадии масштабирования типовых решений: большинство систем разрабатываются по индивидуальному запросу заказчика. Поэтому итоговая стоимость, как правило, является предметом переговоров и не указана в открытом доступе.

Основным критерием, позволяющим определить потребность в инвестициях во внедрение данной системы, является срок ее окупаемости. Этот показатель представляет собой соотношение стоимости развертывания системы и прогнозируемого экономического эффекта от ее использования, который может выражаться в повышении производительности труда, снижении брака и уменьшении издержек, связанных с поломкой оборудования или несчастными случаями на производстве. Можно выявить и следующую закономерность — чем выше в конкретном сегменте производства требования к качеству выпускаемой продукции, тем большая потребность в машинном зрении. В качестве стандартного для рынка уровня можно назвать срок окупаемости в три — шесть месяцев.

Благодаря тому, что промышленные предприятия стали использовать современные технологии, в том числе и видеоаналитику, которые способны отслеживать и предупреждать чрезвычайные ситуации, с 2010 по 2020 годы количество аварий на промышленных предприятиях и объектах энергетики в России сократилось на 64% — с 355 до 127, по данным Ростехнадзора. Также число несчастных случаев с летальным исходом уменьшилось на 59% — с 367 до 150 инцидентов.

По опыту работы, внедрение нашей системы видеоаналитики снижает количество нарушений в области охраны труда в 10 раз. Еще интересный пример — внедрение нашей системы по мониторингу состояния конвейерных лент на добывающем предприятии позволило сократить количество аварийных остановок конвейеров до нуля.

Основной вектор развития технологии компьютерного зрения в среднесрочной перспективе связан с созданием автономных решений, скорость работы которых не зависит от внешних факторов. Сейчас в структуре большинства систем предусмотрена передача данных с камер на сервер, где подключается ПО видеоаналитики. Это требует построения соответствующей IT-инфраструктуры на предприятии, способной пропустить и обработать возросший поток данных. Возможность автономного анализа данных на специальных edge-устройствах без передачи видеопотоков на центральный сервер позволит быстро и с меньшими финансовыми затратами развертывать решения на базе компьютерного зрения.

Фото на обложке: Unsplash