Система контроля промышленной безопасности персонала с помощью компьютерного зрения

Наш клиент — предприятие из горнодобывающей промышленности. На производстве постоянно работает тяжелая техника: самосвалы, экскаваторы, буровые установки. Люди перемещаются между зонами — от участков погрузки до технологических дорог и ремонтных площадок. Все процессы на площадке идут в непрерывном режиме, без остановок между сменами.

По данным международных отраслевых исследований горной добычи за 2024 год, более 21% смертельных случаев в отрасли связана с взаимодействием с мобильной техникой — самосвалами, погрузчиками и карьерным транспортом. Именно зоны пересечения человека и техники остаются основным источником рисков.

На практике контроль промышленной безопасности сводится к проверке базовых требований — наличию СИЗ, соблюдению инструкций и личной ответственности сотрудников. Часть событий остаётся вне внимания или фиксируется уже постфактум.

Предприятию необходим постоянный контроль, который работает без участия человека и видит всё, что происходит на площадке. Видеоаналитика охраны труда и ИИ в промышленной безопасности как раз позволяют автоматически фиксировать нарушения и реагировать на них без промедления.

Снизить количество инцидентов и травматизм на ГОКе, а также повысить дисциплину соблюдения требований охраны труда. Для этого требовалось разработать систему автоматического мониторинга промышленной безопасности на базе машинного зрения и анализа видеопотока с производственных камер.

Задачи системы:

• контролировать использование СИЗ (каски, жилеты, спецодежда);
• отслеживать нахождение сотрудников в опасных зонах;
• отслеживать инциденты и возгорания;
• формировать уведомления для ответственных служб в режиме реального времени;
• обеспечивать круглосуточную работу системы 24/7 в условиях непрерывного производства.

ML Sense — это система компьютерного зрения для промышленной безопасности. Она помогает отслеживать нарушения, следить за опасными зонами и фиксировать инциденты сразу в момент их возникновения, без участия человека.

Решение разработано для горнодобывающей промышленности, но может применяться и на других производственных предприятиях с высоким уровнем промышленного риска.

В основе решения лежит система компьютерного зрения, которая анализирует видеопоток с производственных камер в режиме реального времени.

Алгоритм работы системы выглядит следующим образом:

1. Камеры передают видеопоток в систему ML Sense.
2. Нейросетевые модели определяют людей в кадре.
3. Система анализирует наличие СИЗ на сотруднике.
4. Дополнительно проверяется нахождение человека в разрешенной или опасной зоне.
5. При выявлении нарушения формируется событие.
6. Информация сохраняется в базе данных, а ответственным сотрудникам отправляется уведомление.

Фактически решение представляет собой видеоаналитику для охраны труда, где контроль выполняется автоматически и без постоянного участия оператора.

Система автоматически определяет наличие средств индивидуальной защиты на сотрудниках: каски, сигнальные жилеты, перчатки, комплектность рабочей формы.

На производстве часть участков относится к зонам повышенной опасности: участки движения техники, зоны взрывных работ, технологические помещения и закрытые производственные зоны. Система определяет:

• нахождение сотрудников в опасной зоне;
• вход в запрещенные зоны без допуска;
• появление посторонних объектов в контролируемой области;
• повреждение защитных систем и установок.

ML Sense позволяет отслеживать соблюдение производственных инструкций и последовательности операций, например:

• опасные действия сотрудников;
• нарушение регламентов;
• отклонения от установленного порядка работ.

Система помогает контролировать выполнение отдельных технологических операций:

• отслеживание перемещения транспорта;
• контроль поломок уличного оборудования;
• контроль возгораний;
• проверка соответствия действий персонала технологиям производства.

Для обучения модели команда проекта собирала видеоданные с реальных производственных процессов предприятия. В датасет вошли различные сценарии:

• сотрудники в касках и без касок;
• использование сигнальных жилетов;
• работа персонала в опасных зонах;
• перемещение техники и людей;
• различные условия освещения и загруженности площадки.

После сбора данных специалисты обучили модели компьютерного зрения распознавать сотрудников, элементы СИЗ и производственные зоны. Для повышения точности использовались методы аугментации данных и дополнительная разметка кадров.

В результате была обучена нейросеть для промышленной безопасности, способная автоматически фиксировать нарушения требований охраны труда в реальном времени.

Система обеспечила непрерывный мониторинг промышленной безопасности с мгновенной фиксацией нарушений и инцидентов за счет применения ИИ.

По результатам пилотной эксплуатации:

• время реакции на инциденты сократилось с 30–60 минут до 3–5 минут (в 10–15 раз быстрее);
• доля нарушений, выявляемых постфактум, снизилась более чем на 50%;
• общее число фиксируемых нарушений требований охраны труда сократилось на 25–40%;
• повторяемость нарушений на одних и тех же участках снизилась примерно на 30%;
• нагрузка на специалистов по охране труда снизилась на 40–60% за счет автоматической фиксации событий;
• за время пилотной эксплуатации в зоне действия ML Sense не выявлено случаев тяжелого травматизма;
• контроль опасных зон стал непрерывным без увеличения численности персонала.