Vizorlabs — как сократить число травм на производствах, контролируя записи с камер

Мы создали технологию, которая при помощи нейросетей анализирует записи с камер на промышленных предприятиях и отслеживает соблюдение техники безопасности.

Два года назад мы решили создать стартап и, как и многие, сделали ошибку: взялись за задачи, которые лежат на поверхности, стали делать продукт для ритейла.

Мы собирались с помощью нейросетей контролировать персонал (выполняет ли инструкции, соблюдает ли дресс-код), а также анализировать клиентов (определять их пол, возраст, время, которое они проводят в магазине, и так далее). Однако быстро стало понятно, что эта ниша высококонкурентна, а компании этого сегмента любят получать решения дёшево, а лучше бесплатно.

Тогда мы спросили себя, какую сферу знаем лучше других? Это оказалось крупное производство. До того как заняться своим делом, я больше 12 лет работал ИТ-директором в крупной горнодобывающей компании, поэтому не понаслышке знал, как устроены большие промышленные корпорации, какие у них нужды и требования, как с ними работать и продавать им продукт.

Так родилась идея создать решение для контроля промбезопасности и технологических процессов на производстве, и в прошлом году мы создали и запустили разработку решения Vizorlabs Health & Safety. Сегодня это востребовано многими компаниями: они ищут системы для контроля технологических операций, соблюдения техники безопасности и требований по охране труда.

Первым делом — ещё в прошлом году — мы создали прототипы для нескольких компаний. Это быстро получило отклик — так мы нашли первых клиентов.

Как работает технология

Технология, которую мы предлагаем клиентам, одновременно простая и сложная. Как и многие другие стартапы, мы применяем нейронные сети для анализа видеозаписей. Часть детекторов, которые использует наша система, существует не первый день и находится в открытом доступе (например, детекторы движения), другие мы модернизировали или полностью создавали сами.

Платформа VizorLabs позволяет по видеозаписи найти людей, детектировать конечности человека, проанализировать, надеты ли перчатки, каски и другие элементы спецодежды, застегнуты ли они.

Также алгоритмы могут достаточно точно определить, не стоит ли человек в опасной зоне, и решить задачи, связанные с элементами action recognition: нейросети анализируют, что делает работник в конкретный момент и не является ли это опасным поведением.

Платформа Vizorlabs H&S напрямую подключаются к камерам и отслеживают записи в реальном времени. Когда программа определяет нарушения, возможны разные варианты.

Во-первых, все события, обозначенные как подозрительные, могут выводиться на экране диспетчера, который уже решит, существует ли опасность и что нужно предпринять.

Во-вторых, система может подавать звуковые сигналы или посылать информацию на носимую электронику сотрудников, если такая есть.

В-третьих, о нарушениях может быть объявлено постфактум: формируются отчет со стоп-кадрами видеозаписей, отправляется начальнику участка и ответственному за промбезопасность. Затем принимаются дисциплинарные меры.

Это связано с тем, что большинство нарушений не опасны для жизни, просто рутинные мелочи: неправильно надел каску, не застегнул спецодежду, поднимался по лестнице, не держась за поручни. То есть если не предотвратить их моментально, трагедии, скорее всего, не произойдет — однако фиксировать такие случаи все равно необходимо.

Визуализация работы системы на проекте на Колькой АЭС

Важный элемент любой подобной программы — настройка детекторов. Сейчас мы наладили ее достаточно хорошо, это позволяет VizorLabs быстро адаптировать продукт под конкретного заказчика: например, дообучить детекторы определять ту или иную спецодежду (она отличается во всех компаниях), отслеживать определенные действия, уникальные для каждого производства.

Почему это востребовано

Вся система контроля безопасности построена на так называемой пирамиде травматизма Герберта Генриха (Хейнриха). Она показывает, что число мелких нарушений техники безопасности пропорционально случаям со смертельным исходом.

То есть если руководство будет разбирать с работниками только ситуации, приведшие к трагическим последствиям, это никак не скажется на количестве серьезных случаев.

Люди просто не соотносят чрезвычайные ситуации с собственным опытом: они слушают, сочувствуют и продолжают дальше нарушать, казалось бы, незначительные правила.

Теория показывает необходимость работы с мелкими нарушениями: если уделять им внимание, то работники начинают соблюдать все требования техники безопасности. И вот тогда число несчастных случаев сокращается в разы.

Нарушение техники безопасности приводит не только к травмам, но и к прямым убыткам. Например, в случае любого ЧП, приведшего к травме на нефтедобывающих производствах, буровую останавливают и дожидаются приезда комиссии с инспекцией. День простоя буровой обходится компании примерно в восемь миллионов.

Соблюдение техники безопасности приводит к тому, что сотрудники более внимательно относятся и к технологическим операциям в рамках своей основной деятельности, а это повышает качество конечной продукции.

Однако следить за промышленной безопасностью довольно сложно: у компаний, которым это необходимо, много работников и огромные площади. Даже если поставить везде камеры, нужно еще и нанять штат сотрудников, которые будут в них смотреть, но это дорого, невозможно масштабировать, да и большая часть нарушений все равно останется незамеченной.

Наша система позволяет решить эту проблему, то есть легко собирать сведения о всем, что происходит на производстве.

Визуализация работы системы

Чем мы занимаемся сейчас

В начале работы мы разрабатывали пилотные проекты для нескольких компаний, некоторые из которых делали бесплатно. Правда, мы быстро поняли, что такого быть не должно: если клиент не готов оплачивать пилотный проект, то, скорее всего, не захочет платить и за внедрение.

Зато компании, вложившиеся в пилот (а это сотни тысяч рублей), не хотят терять деньги и будут заинтересованы в дальнейшем сотрудничестве.

Сейчас мы работаем с несколькими компаниями. Например, недавно выиграли конкурс Росэнергоатома и теперь внедряем систему на Кольской АЭС.

Недавно мы прошли в акселератор Pulsar Venture Capital и Кировского завода, поэтому сейчас нам помогают определять позиционирование.

К примеру, нам показали, что для компании будет выгоднее не фокусироваться на конкретных проектах, а начать сотрудничество с системным интеграторами. Это позволит сосредоточиться на развитии продукта и продавать именно его, а не услуги.

Сейчас мы стремимся создать максимально адаптивное решение: внедрять его у заказчиков будет именно системный интегратор, пусть и с привлечением нас как консультантов.

0
90 комментариев
Написать комментарий...
VR

Очередная классная статья ниочем. Статьи на arxiv хотя бы какие-то показатели дают (про код не говорим). Ни о точности, ни о быстродействии, ни о том, сколько часов студентов мехмата или СПбГУ потрачено.

Ответить
Развернуть ветку
Anton Ivanov

Но ведь в спбгу тоже есть мехмат...

Ответить
Развернуть ветку
Дмитрий Малахов

нет, у нас матмех ...

Ответить
Развернуть ветку
87 комментариев
Раскрывать всегда