Экспертные заключения: 1
Консультации: 0

2. Использование искусственного интеллекта для анализа видеозаписей мероприятий по охране труда на предмет ошибок и нарушений.

Проблема

Предприятия с опасными условиями труда обязаны проводить инструктажи и тренировки по технике безопасности (ТБ) с обязательной видеофиксацией. Это приводит к следующим сложностям:

- Высокие затраты на хранение: Видеофайлы занимают много места на корпоративных серверах, и их долгосрочное хранение становится дорогим;

- Неэффективный ручной анализ: Специалистам по охране труда приходится вручную просматривать сотни часов видео для выявления нарушений, что отнимает много времени и подвержено человеческому фактору (что-то можно упустить);

- Сложность поиска нужной видеозаписи: Файлы часто имеют неструктурированные названия, что затрудняет поиск конкретного мероприятия;

- Риски потери данных: Ручное удаление видео по истечении срока хранения может привести к случайному удалению нужных файлов или, наоборот, накоплению ненужных, увеличивающих затраты.

Решение

Внедрение программного решения на основе искусственного интеллекта, которое автоматизирует весь жизненный цикл видеоархива мероприятий по охране труда:

1. Интеллектуальная обработка и переименование:

Система автоматически анализирует видео и переименовывает файлы по заданному шаблону, например: [Дата]_[Время]_[Название_мероприятия]_[количество_наршений].mp4.

2. Автоматический анализ на нарушения:

ИИ в режиме, близком к реальному времени, или постобработкой анализирует видеопоток.

Распознаваемые нарушения:

- Отсутствие средств индивидуальной защиты (каски, перчатки, защитные очки, спецобувь).

- Неправильное использование оборудования или инструментов.

- Нарушение безопасной дистанции между работниками.

Инструменты,используемые для решения проблемы:

Языки программирования: Python, Java, C++.

Архитектуры: CNN-RNN, 3D-CNN, Faster R-CNN, YOLO, SSD

Фреймворки и библиотеки для компьютерного зрения: TensorFlow, Keras, PyTorch, OpenCV, NumPy, Pandas, FFmpeg, Transformers, Accord.NET, MLflow, TensorFlow.js, MLflow

Загрузка моделей, предобученных на больших датасетах, с последующим дообучением (Transfer Learning) на предоставленных размеченных данных.

Потребители (Целевые предприятия)

Данное решение критически необходимо для предприятий из реальных секторов экономики с повышенным уровнем опасности:

- Промышленность и металлургия;

- Тепловые и атомные электростанции, предприятия по обслуживанию электросетей, водоканалы;

- Крупные строительные подрядчики, работающие на возведении многоэтажных домов, мостов, тоннелей.

- Шахты, карьеры, нефтеперерабатывающие заводы, буровые платформы.

- Логистика и транспорт;

- Лесная и деревообрабатывающая промышленность.

Ссылка

На страницу проекта

Направление

IT, Безопасность и оборонная сфера

Рынки

EnergyNet, TechNet

Сквозные технологии

Искусственный интеллект