根据计算机科学文献，人工智能被定义为一种能够模仿人脑行为的技术。

近年来，我们看到越来越多的工业4.0解决方案，其技术涉及人工智能、语音分析和图像检测，成为制造活动的一个组成部分。这些可能包括提高生产力，更早发现机器故障，以及控制质量。

在这篇文章中，我们将讨论如何应用计算机视觉技术来检测工厂和物流中心等工业设施的安全隐患，以实时预防人机事故的发生

当计算机比我们看得更清楚时

想象一下，一位安全官员坐在一个充满显示器的控制室里，这些显示器显示着工厂的活动。在一个屏幕上，我们看到装货区和作业车辆的紧张活动，在第二个屏幕上，我们看到工厂的一个生产车间，有许多装配线和活动正在进行。在第三个屏幕中，显示了一个成品仓库，货架排列在架子上，有时达到天花板。而且，这些只是一个完整的屏幕网格中的三个。

没有人，无论他或她在工作中多么熟练和专注，能够同时查看所有的屏幕，识别接近事故并实时提供有效的警报，这可以导致事故的预防。

相比之下，具有视觉分析算法的计算机能够每天24小时、每周7天同时分析所有屏幕，并在危险活动成为事故之前予以制止。

利用智能技术

计算机视觉是人工智能最古老的领域之一。计算机视觉的一个主要目标是从图像中提取或分析视觉信息。虽然它是解决方案的一个组成部分，但它本身并不足以解决我们面临的复杂问题。

在复杂的工业安全世界中，仅仅找到空间中的物体是不够的。我们必须确定物体的类型（物体检测），以及它与工厂中其他物体的互动方式。至关重要的是，我们要持续监测物体的轨迹，包括它的移动速度和方向，以及预测它将在什么时间到达什么地点。

最重要的是这个动作是否可能对它或其他物体产生潜在的风险（异常检测）。

从控制室到自主安全系统

让我们回到上一段所述的虚拟控制室摄像机。作为一个起点，我们将看一下位于工厂充电区上方的摄像机。在该区域移动的物体被算法识别，并根据其特征进行分类，如人、叉车、卡车、手推车、箱子等。

这里的目标是确保充电区的人的安全，防止他们被车辆撞到。对于每一个人型物体，都要对其与车辆的接近程度进行评估，包括静态或动态的。此外，为了避免产生错误的警报，必须确保只在真正的风险情况下发出警报，而不是在有接近但有安全距离的情况下发出警报。

现在我们将进入生产车间。系统检查进入大厅的工人是否穿着安全员为工作环境规定的防护设备。之后，系统会分析每个工人在机器前的活动。系统已被告知机器允许和禁止的操作模式，当检测到异常或危险行为时，系统会发出警报

一个经常被问到的问题是："算法如何确定什么是正确的，什么是错误的，什么是危险的，什么是不危险的？"。答案是，该算法正在不断学习。系统捕捉到的物体、运动和事件被系统反馈和分析，以加强对安全和正常活动与威胁生命的活动之间的区分。

持续学习过程是机器学习算法的一个关键因素，负责防止假阳性警报，并在事故即将发生时才 "大喊"。

深入研究视觉分析

有一个例子可以很好地说明异常检测的问题，那就是区分工具刀的正确使用和危险使用。在上述现场，有六台机器，它们都紧挨着。每台机器旁边的架子上都有操作机器和进行生产活动的必要设备。架子上有螺丝刀、钳子、美工刀，对了，还有替换刀片。到目前为止，事情进展顺利。

危险的情况开始于一名工人发现他的刀刃不再锋利，当他试图更换时，没有新的刀片可用。那么他做了什么？为了获得新刀片，他接近了另一个工人的位置。这也是可以的。这也是可以接受的。问题是，他在从一台机器到另一台机器的过程中没有把刀从手中拿开，而刀片虽然可能不够锋利，无法切割原材料，但却足以刺伤邻居的手臂，使他受伤。

计算机视觉分析已经达到了这样的程度：它不仅可以识别实用刀类物体，还可以识别它对员工产生危险的确切情况。因此，在准确的时刻发出警报对防止伤害至关重要

关掉 "创意绕行"

最后，我们来看看由一台摄像机提供的视频分析，它位于一个战略位置，可以俯瞰整个操作区，是如何确保整个场所的安全的。

通过考察一个最先进的生产车间，其中包含多台机器和机械臂，这个例子将更具挑战性。这些机器对于精简生产至关重要，因为自动化流程加快了生产速度，缩短了工作流程，是工业4.0革命的一个组成部分，这就是为什么几乎所有这些机器都具有内置的安全机制。

这似乎是工厂中最安全的地方，然而，据接受采访的工厂安全经理表示，尽管机器内置了先进的安全功能，但事故仍在继续发生。这是因为对他们的安全构成最大威胁的是工人本身。

工人们不断想方设法规避安全措施，使自己始终处于受伤甚至死亡的危险之中。

员工的动机很明确，他们努力实现最大产出，以满足为他们设定的目标。在遮盖或移除安装在机器上的摄像头或运动传感器时，工人不会停下来考虑他正在将自己或他的同事置于危险之中。

这里也采用了相同的图像分析和计算机化学习算法。在第一阶段，系统训练自己识别适当的工作配置，利用内置的安全机制。经过几天，有时甚至几个小时的培训，系统会在出现异常和违反安全规定时开始发出警报。然而，与工人触及范围内的安全措施不同，他们无法访问系统摄像头，并且不可能在不记录损坏的情况下破坏它们以扰乱他们的操作。

动态安全

工业厂房和物流仓库的工人面临高风险。利用我们所研究的技术，为整个设施创建一个全面的安全范围，涵盖每天进行的所有不同流程。

由于机器学习软件，系统不会停止学习。该系统可检测员工中的障碍物、物理对象和危险活动趋势，并协助管理人员规划和控制工厂安全。

警报和拯救生命

如果检测到的风险接近事故级别，则必须发出警报以阻止事件演变成真正的灾难。

可以采用多种方法来实现此目标

提醒工人的最有效方法之一是在安全区域的中央位置使用集成到警报器中的闪光灯以及声音警报。

这种方法的一个主要优点是实施起来简单，并且可以立即将危险行为暴露给整个活动空间内的所有管理人员。第二个准确度是在机器本身上安装警报工具。

在车辆中，警报工具可以是简单的声光警报器，也可以是类似于安装在汽车中的信息屏幕。

对于生产机器或装配线，警报方法可以包括照明和警报、关闭机器或与机器集成以消除特定风险，而不是完全停止生产线的生产。

红绿灯的使用是另一个有趣的环境警报。红绿灯已在工厂中使用多年，但它们的运行周期很简单。另一方面，由计算机化图像分析系统操作的交通信号灯只有在可能发生碰撞时才会显示红灯。这将节省大量时间并提高生产率。