Компьютерное зрение для безопасности труда и соблюдения требований по СИЗ

Камера, направленная на рабочую площадку, может надежно отвечать на ограниченный набор вопросов. Носит ли этот человек каску? Заходил ли кто-нибудь в опасную зону вокруг этого пресса? Сколько людей сейчас в этом коридоре? Это задачи обнаружения объектов, сегментации и трекинга, и современные модели компьютерного зрения справляются с ними хорошо.

Чего камера не может сделать, так это сказать тебе, является ли площадка безопасной. Безопасность — это суждение о правилах, контексте и намерениях, и пропасть между «обнаружен человек без видимого жилета» и «зафиксировано нарушение, на которое стоит отреагировать» — это то место, где большинство проектов по безопасности на основе компьютерного зрения либо преуспевают, либо незаметно сворачиваются.

Это руководство охватывает то, чем на самом деле являются базовые задачи обнаружения, когда стоит покупать готовую платформу безопасности вместо ее создания с нуля и как команды, которые создают ее сами, используют модели Ultralytics YOLO для этого.

Что компьютерное зрение обнаруживает на рабочей площадке#

Каждая функция безопасности, продаваемая как готовый результат, сводится к одной или нескольким стандартным задачам компьютерного зрения. Четкое понимание того, какая именно тебе нужна, отличает проект с четкими рамками от бесконечного.

Две из этих задач намного сложнее, чем намекают вендоры. Ассоциация — первая: обнаружить каску и обнаружить человека легко, а правильно определить, кому именно принадлежит эта каска среди группы из шести перекрывающих друг друга работников — нет. Вторая — реальная геометрия. Зона, нарисованная на 2D-изображении, не является зоной на полу, и без калибровки человек, стоящий далеко за пределами опасной зоны, может казаться находящимся внутри полигона.

Обнаружение СИЗ: что для модели означает «носить их»#

Обнаружение СИЗ звучит как бинарная задача, но это не так. Модель, обученная на касках, найдет каски. Она не будет изначально знать, что каска, которую несут в руке, надета задом наперед или не застегнута, нарушает правила, потому что это три разных визуальных состояния, в каждом из которых присутствует каска.

Если целью является мониторинг СИЗ, сформулируй правило на уровне, по которому можно оценить модель:

• Какие предметы для каждой зоны. Каска везде плюс защита глаз только в зоне шлифовки — это два правила, а не одно.
• Какие люди и какие исключения. Посетители, водители, остающиеся в кабинах, и офисные сотрудники, пересекающие двор, обычно подпадают под разные правила.
• Что считается соблюдением правил, включая частичное или неправильное ношение.
• Что происходит при обнаружении. Живое оповещение, сводка за смену и анонимизированный еженедельный тренд — это три разных продукта с тремя разными требованиями к точности.

Последний пункт определяет сложность проекта больше, чем сама модель. Еженедельный тренд соблюдения правил терпит отдельные ошибки, потому что они сглаживаются в среднем. Оповещение в реальном времени — нет: ложное срабатывание каждые несколько минут приведет к тому, что систему отключат в течение недели.

Создать или купить#

Это решение большинство команд принимает неявно, а должны принимать явно, потому что рынок готовых продуктов для безопасности действительно хорош, а аргументы в пользу разработки с нуля гораздо слабее, чем кажутся.

Покупай платформу безопасности, когда твоя проблема заключается в программе безопасности, а не в компьютерном зрение. Если тебе нужны рабочие процессы рассмотрения инцидентов, отчетность по охране труда и технике безопасности (EHS), отслеживание корректирующих действий, цепочки согласований и чужая команда внедрения на месте — покупай. Эти вендоры выстроили годы рабочих процессов вокруг обнаружения, и само обнаружение составляет меньшую часть того, за что ты платишь.

Создавай сам, когда ограничение заключается в том, с чем продукт не может справиться. На практике это означает:

• Камеры и инфраструктура, которые у тебя уже есть и которые ты не будешь заменять, особенно нестандартная оптика, тепловизоры или потоки, уже поступающие через твои собственные системы. - Специфическое для твоего объекта правило, которое не поставляется ни с одним продуктом: твоя собственная деталь, твоя собственная машина, твоя собственная процедура. - Строгое требование локального развертывания (on-premise) или изолированной среды (air-gapped), при котором видеоматериалы вообще не могут покидать площадку. - Ты выпускаешь продукт на рынок. Если мониторинг безопасности является функцией того, что ты продаешь (машины, робота, камеры, платформы для объекта), ты создатель, а не покупатель. - Интеграция — это вся работа, потому что обнаружение должно поступать внутрь существующего потока ПЛК (PLC), SCADA, контроля доступа или MES, а не в дашборд вендора.

Если ничто из этого не применимо, покупка обычно быстрее и дешевле, и это честная рекомендация.

Вендоры платформ безопасности, заслуживающие внимания#

Это готовые продукты с командами развертывания и рабочими процессами EHS. Ultralytics не является альтернативой им; это то, что команда использует, когда создает решение сама, а не покупает.

Intenseye. Корпоративная EHS-платформа компьютерного зрения, охватывающая СИЗ, эргономику, порядок на рабочем месте и риски, связанные с транспортом, на крупных территориально распределенных объектах. Ее сильная сторона — широта готовых сценариев использования и уровень EHS-программ вокруг них. Лучше всего подходит для крупных промышленных организаций с отлаженной функцией безопасности. Компромисс: корпоративный масштаб и процессы, а не легкое развертывание.

Protex AI. Платформа аналитики безопасности с сохранением конфиденциальности, которая подключается к существующим системам видеонаблюдения и выявляет инциденты риска и тенденции. Ее сильная сторона — уровень аналитики и приоритизации: помощь службам безопасности в понимании того, где концентрируются риски, а не просто отправка тревожных сигналов. Лучше всего подходит для организаций с уже имеющимся парком камер. Компромисс: разработана вокруг собственных рабочих процессов, а не для глубокой кастомной интеграции.

viAct. Наиболее полное покрытие в строительной и тяжелой гражданской отраслях, с сценарными модулями для безопасности на площадке, а также мониторингом СИЗ и оборудования. Лучше всего подходит для строительных и инфраструктурных проектов. Компромисс: модули, ориентированные на строительство, могут менее естественно подойти для производственного предприятия.

Everguard.ai. Объединяет компьютерное зрение с носимыми устройствами и датчиками для обеспечения осведомленности о безопасности работников, ориентируясь на тяжелую промышленность, такую как металлургия. Его сильная сторона — мультисенсорный синтез, а не только камеры. Лучше всего подходит для условий с высокой степенью опасности в тяжелой промышленности. Компромисс: компонент с носимыми устройствами добавляет работы по внедрению и управлению изменениями.

Visionify. Фокусируется на каталоге приложений компьютерного зрения для безопасности на рабочем месте, развертываемых на существующих камерах. Его сильная сторона — определенная библиотека сценариев использования, которая упрощает определение масштаба. Лучше всего подходит для команд, которым нужно быстро запустить конкретный сценарий использования безопасности. Компромисс: более узкая поверхность платформы по сравнению с корпоративными EHS-комплексами.

Groundlight. Использует другой подход, позволяя командам определять визуальные вопросы на естественном языке с эскалацией на человека, когда модель не уверена. Его сильная сторона — скорость создания рабочей проверки без предварительного сбора датасета. Лучше всего подходит для команд, проверяющих, вообще ли осуществима визуальная проверка. Компромисс: модель эскалации лучше подходит для периодических проверок, чем для непрерывного мониторинга в больших объемах.

Создание системы мониторинга безопасности с помощью моделей Ultralytics YOLO#

Для команд из категории создателей уровень компьютерного зрения — это часть, которая теперь хорошо решена. Модели Ultralytics YOLO (YOLOv8, YOLO11 и YOLO26) охватывают задачи из таблицы выше: обнаружение объектов для СИЗ и оборудования, трекинг для логики зон и транспорта, оценку позы для определения осанки и падений, а также сегментацию там, где границы важнее ограничивающих рам

Рабочая схема создания выглядит следующим образом.

Начинай с правила, а не с модели. Сформулируй правило на языке, пригодном для принудительного исполнения, определи зону в реальных координатах и реши, что вызывает обнаружение. Это тот шаг, который пропускают, и причина, по которой большинство пилотных проектов буксуют.

Собирай данные с камер, которые ты будешь реально использовать. Модель, обученная на публичных датасетах СИЗ и развернутая на камере твоего двора в сумерках, разочарует. Твои собственные видеоматериалы (ночная смена, дождь, контровый свет, неудобный угол, который никто не хотел переустанавливать) — это датасет, который имеет значение. Платформа Ultralytics может аннотировать эти видеоматериалы с помощью умной аннотации на базе SAM и обучать на них модель без переноса данных в отдельную систему.

Выбирай цель развертывания заранее, потому что она ограничивает модель. Модель, работающая на небольшом периферийном устройстве рядом с камерой, имеет другой бюджет по размеру и задержке, чем та, которая работает на сервере площадки и обрабатывает двадцать потоков. По этой причине модели Ultralytics экспортируются в такие форматы, как ONNX и TensorRT, и целевой формат экспорта должен быть зафиксирован до того, как ты начнешь настраивать точность, которую не сможешь развернуть.

Помести логику поверх модели. Обнаружения — это не нарушения. Уровень, который преобразует рамки в события (устойчивость в течение N кадров, геометрия зоны, исключения, графики смен, устранение дребезга), — это то место, где реально контролируется уровень ложных срабатываний, и это нормально, если он содержит больше кода, чем интеграция модели.

Направляй оповещения туда, где люди уже работают. Дашборд, который никто не открывает, не является средством контроля. Существующие каналы, существующая передача смен, существующие системы корректирующих действий.

Планируй переобучение. Площадки меняются: новое оборудование, новый цвет жилетов, перемещенная камера, сезонное освещение. Мониторинг производства существует для того, чтобы улавливать возникающее отклонение, и цикл возврата к аннотированию и переобучению должен быть рутинной процедурой, а не инцидентом.

Что касается лицензирования, одну вещь нужно уладить до того, как пилотный проект станет продуктом: модели Ultralytics YOLO предлагаются по лицензии AGPL-3.0, и коммерческие или проприетарные развертывания обычно требуют корпоративной лицензии Ultralytics. Если мониторинг безопасности внедряется в продукт, который ты поставляешь, или в систему, которую ты не можешь сделать открытой, реши этот вопрос в самом начале, а не после завершения разработки.

Конфиденциальность, согласие и мониторинг работников#

Это определяет, переживет ли система безопасности свой первый месяц, и это в первую очередь не технический вопрос.

Мониторинг безопасности не требует идентификации кого-либо. Каждая задача в этом руководстве (соблюдение СИЗ, вторжение в зону, плотность толпы, поза) работает на основе анонимного обнаружения людей. Ничто из этого не требует распознавания лиц или сопоставления личностей, и Ultralytics не рекомендует встраивать идентификацию работников в системы безопасности. Обнаруживай условие, а не человека.

Практические ограничения, которые необходимо заложить в проект с самого начала:

• Ограничение целей. Система, установленная для безопасности, не должна тихо превратиться в монитор продуктивности. Как только работники поверят в это, сотрудничество прекращается.
• Консультации. На большей части территории ЕС мониторинг работников на основе камер требует участия производственного совета, а во многих юрисдикциях — консультаций, уведомлений или того и другого. Это предварительное условие, а не формальность.
• Минимизация данных. Отдавай предпочтение подсчетам и событиям, а не сохраненным видеоматериалам. Если клипы сохраняются, храни их недолго и по заявленной причине.
• Агрегированная отчетность по умолчанию. Тренды на уровне зон и смен стимулируют улучшения. Оценка соблюдения правил на индивидуальном уровне превращает инструмент безопасности в дисциплинарный и разрушает доверие.
• Локальная обработка там, где это возможно. Инференс на месте (on-premise) или на устройстве удерживает видеоматериалы на объекте и устраняет целый класс споров о соответствии требованиям. Это частая причина, почему команды создают решения сами, а не покупают.
• Контроль доступа и аудит. Кто может видеть видеоматериалы, кто может их экспортировать и что логируется.

Организации, которые извлекают выгоду из этой технологии, относятся к ней как к способу найти опасные закономерности (этот переход используется небезопасно в ночную смену, в эту зону заходят всякий раз, когда эта машина заклинивает), а не как к способу поймать отдельных лиц.

Почему точность демонстрации не выживает на реальном объекте#

Демонстрация каждого вендора работает. Разрыв между демо и развертыванием достаточно предсказуем, чтобы к нему подготовиться.

Качество обнаружения падает с расстоянием и разрешением: человек, занимающий тридцать пикселей в высоту, обнаруживается гораздо сложнее, чем тот, кто заполняет кадр, а каска на этом человеке — еще сложнее. Освещение — второе надежное разочарование: сумерки, фары, сварочные дуги, смешанное натриевое и светодиодное освещение, а также дождь на объективе — все это ухудшает качество моделей, обученных на чистых кадрах дневного света. Окклюзия — третья проблема: реальные площадки полны людей, находящихся за техникой, стеллажами и друг другом.

Затем снова возникает проблема ассоциации. В группе правильное отнесение оборудования к конкретным людям — это то место, где системы СИЗ генерируют больше всего ложноположительных срабатываний, и это метрика, которую стоит требовать в пилотном проекте.

Запускай пилотный проект соответствующим образом. Настаивай на использовании собственных видеоматериалов, своей худшей камеры и своей ночной смены. Измеряй количество ложных срабатываний за смену, а не точность на подобранном тестовом наборе, потому что именно количество ложных срабатываний за смену определяет, будет ли система все еще включена через три месяца.