Проект

На Кольской АЭС внедрили систему машинного зрения для контроля применения средств индивидуальной защиты

Заказчики: Кольская АЭС

Энергетика

Продукт: Искусственный интеллект (ИИ, Artificial intelligence, AI)

Дата проекта: 2019/11 — 2020/02
Технология: Big Data
подрядчики - 197
проекты - 565
системы - 223
вендоры - 183
Технология: Data Mining
подрядчики - 231
проекты - 787
системы - 274
вендоры - 193
Технология: Data Quality - Качество данных
подрядчики - 178
проекты - 956
системы - 59
вендоры - 40
Технология: Робототехника
подрядчики - 248
проекты - 476
системы - 478
вендоры - 358
Технология: Системы видеонаблюдения
подрядчики - 322
проекты - 819
системы - 674
вендоры - 317

2020: Внедрение системы машинного зрения для контроля применения средств индивидуальной защиты

21 февраля 2020 года стало известно о том, что в рамках пилотного проекта на Кольской АЭС внедрили систему машинного зрения для контроля применения средств индивидуальной защиты. На очереди — остальные станции.

На Кольской АЭС внедрили систему машинного зрения для контроля применения средств индивидуальной защиты
«
Система отслеживает, правильно ли сотрудники используют средства индивидуальной защиты. Таким образом мы хотим снизить травматизм персонала АЭС при производстве работ, в первую очередь в помещениях комплектных распределительных устройств 6 кВ, где обслуживается высоковольтное оборудование. Работы в КРУ — одни из самых опасных, высок риск получить серьезные электротравмы, вплоть до летального исхода.

рассказал Вячеслав Галямов, руководитель проекта из департамента управления ИТ-проектами и интеграцией «Росэнергоатома»
»

«
Систему видеоанализа мы внедрили за 10 месяцев. И люди определенно стали относиться к соблюдению техники безопасности более ответственно.

поведал Михаил Викулин, заместитель начальника отдела информационно-коммуникационных технологий Кольской АЭС
»

Как сообщалось, 42 промышленные телекамеры высокого разрешения фиксируют все происходящее в производственных помещениях. Изображения анализирует нейронная сеть и, если видит нарушение, передает куда следует: картинка с выделенной областью всплывает на экранах мониторов начальников смен и административно-технического персонала. Они, в свою очередь, через сеть командно-поисковой связи в КРУ и цифровую радиосвязь «Тетра» моментально выходят на сотрудника и при необходимости приостанавливают работы.

Искусственный интеллект берет на себя рутинную работу, чтобы человек не следил постоянно за происходящим на экранах. Нейронную сеть натаскивали на 37 часах видеозаписи. Важно было учесть море нюансов: какой формы каска, носит ли человек очки или бороду, опущены или завернуты рукава и т. д. На разметку видеоряда ушло больше 1,3 тыс. человеко-часов.

«
В видеопотоке выделяется кадр с нарушением, на кадр наносится разметка с понятными для нейронной сети идентификаторами: это — расстегнутая куртка, это — поднятый щиток, это — неправильная обувь. Накопив массив примеров, нейросеть через некоторое время сама определяет нарушения в видеопотоке. Так что в джинсах и кроссовках в КРУ точно никто не пройдет.

добавил Вячеслав Галямов, руководитель проекта из департамента управления ИТ-проектами и интеграцией «Росэнергоатома»
»

Система является интеллектуальной собственностью концерна и создана под нужды станций. У нейросети «Росэнергоатома» — широкая линейка детекторов, которые можно настраивать, комбинировать, каскадировать, то есть передавать результаты одного детектора другому. Например, первый определяет, что в кадре — человек, второй — его принадлежность к той или иной группе персонала по типу спецодежды, третий — есть ли нарушение в использовании СИЗ, обязательных для этой группы. Система идентифицирует все применяемые на атомных станциях средства индивидуальной защиты, тогда как детекторы других производителей могут распознать лишь ограниченный набор, в основном каски.

Машинное зрение продолжают совершенствовать, чтобы свести к нулю ложные срабатывания — когда сотрудник все сделал правильно, а искусственный интеллект увидел ошибку.

«
Нейросеть обучают люди. Люди допускают ошибки, соответственно, и искусственный интеллект может их допустить. У нейросети правильное срабатывание на уровне 95 %, поэтому окончательное решение принимает человек. На февраль 2020 года система обучена определять отсутствие спецодежды, но не оттенки. Например, пока искусственный интеллект не может отличить диэлектрическую перчатку от руки человека. Перчатки доходят до локтя, они желтого цвета — близко к телесному. Еще система даст сбой, например, если увидит подошву обуви, так как ее цвет тоже близок к телесному, и подумает, что человек босиком. В остальных случаях распознавание безошибочное.

отметил Михаил Викулин, заместитель начальника отдела информационно-коммуникационных технологий Кольской АЭС
»

На следующем этапе к системе машинного зрения планируют подключить камеры в других электротехнических помещениях, а также расширить функционал для повышения качества анализа. Например, распознавание начальных признаков возгорания и задымления.

«
Кроме того, мы хотим, чтобы система определяла, в какой ячейке КРУ проводятся работы. Если номер ячейки не соответствует идентификатору оборудования, на доступ к которому получено задание, то диспетчер сразу об этом узнает.

пояснил Вячеслав Галямов, руководитель проекта из департамента управления ИТ-проектами и интеграцией «Росэнергоатома»
»

Машинное зрение — не единственный проект кольских атомщиков в рамках программы цифровизации «Росэнергоатома». Так, идет опытная эксплуатация влагозащищенных, ударопрочных электронных планшетов для считывания NFC-меток (микрочипы с разной информацией) в помещениях и на оборудовании. С помощью NFC-меток обслуживающий персонал «говорит» планшету, где и с чем в данный момент работает, фиксирует технические параметры агрегатов — давление, напряжение, скорость вращения, уровень вибрации, температурные характеристики и т. п., диктует, какие нарушения обнаружил, и голосовое сообщение сохраняется в виде текста. Информация автоматически переносится в общестанционные программные продукты.

По информации компании, в будущем система сможет следующее:

  • Анализировать движения человека, если он ведет себя нехарактерно, странно.
  • Предугадывать опасные для жизни и здоровья ситуации на основе неправильной последовательности действий персонала.
  • Идентифицировать человека по лицу в зонах разного уровня доступа. Информация будет храниться не менее года, чтобы при необходимости можно было воспользоваться ей для расследования инцидентов.