从智能城市到智能工厂：人工智能 (AI) 和机器学习 (ML) 焕然一新

编辑注：insight.tech 支持终止种族主义、不平等和社会不公正的行为。我们不容忍赞助商的产品被用于侵犯人权，包括但不限于政府滥用可视化技术。insight.tech 展示产品、技术和解决方案，并遵循以下前提：负责任和合乎道德地使用人工智能和计算机视觉工具、技术和方法。

多年来，提高工人保护水平意味着要增强职业安全法规和执行安全程序清单。尽管危险工作场所造成了社会和经济损失，但实施仍然是一个挑战。这是为什么？为了确保全天候安全，根本没有足够的人力来全方位监控生产现场。

幸运的是，用于监控城市和改善交通安全性的技术也能在工厂中使用。计算机视觉、人工智能和机器学习提供了多种自动化安全检查的方法。此类技术可用于警告安全主管，让他们通常可以在事故发生之前立即解决问题。安全主管还可以跟踪违规情况，从而制定新的标准操作程序来改善工作场所的安全性。

“就像在公路和桥梁上一样，许多工业设施已经安装了监控摄像头，” Videonetics 业务发展副总裁 Avinash Trivedi 说。“但大多数人不会对视频内容进行实时分析，而只是看事故发生后的影像。”

使用计算机视觉和人工智能检测安全违规

在开发工业安全和安保解决方案时，Videonetics 再次使用了公司在克服构建计算机视觉交通管理和安全系统方面的挑战时所取得的众多进步。与处理车辆违规类似，该解决方案使用人工智能和机器学习来实时检测和分析工作场所的安全违规。这使众多公司可以从连续的安全检查中受益，而不必执行满足法规所需的指定安全检查。“我们将人与计算机智能相结合，以更好地协调生产现场各个区域的响应，” Trivedi 说（图 1）。

该解决方案的人工智能和深度学习框架 DeeperLook 独立于操作系统。它同样支持 FPGA、GPU 和 CPU 架构，并且可以部署在云或边缘设备上，从而实现灵活性和计算负载分配。该框架使用从各种来源收集的大型数据集进行了预先训练。此外，针对视频分析生命周期，在平台中内置了数据训练、批注、推理和自我连续方法。

安装后，平台使用无监督学习来提高其检测安全违规的能力。通过 Videonetics 的专有人工智能和深度学习推理训练技术，该解决方案可以识别不同种类的物体和模式。

视频帧预处理就是这样一种技术。它与机器学习相结合，可利用帧中任何不会发生变化的事物，例如实际工厂车间地面。该解决方案可以忽略车间地面的数字视频数据，而将注意力集中在发生变化的事物上，例如人员及叉车和机器人等事物的移动。

在这种情况下，Videonetics 工业安全和安保解决方案可以检测阻挡生产线或消防门的叉车停放或禁用叉车事件。系统会自动生成警报或事件，并发送到制造商的指挥中心。在指挥中心中，安全和安保人员可以通知叉车操作员立即清除该地区的危险。

该解决方案的大部分自动化行为分析及其触发的事件链都再次使用了公司交通安全系统的开发成果。从视频输入和帧预处理到事件或警报输出，下表对此过程进行了可视化（图 2）。

“制造商经常会独立开发其安全、安保和运营解决方案，” Trivedi 说。“这样会导致缺乏整体意识，造成这三个领域全部失败。将它们统一到一个集成的指挥和控制解决方案中，可提高每个部分的响应。”

面部识别可提高安全性

观察人员（无论是员工、承包商还是供应商）对于帮助确保安全和安保能力来说都至关重要。例如，通过添加面部识别，生产现场只允许针对某些设备接受过培训的员工进入特定区域。同样，也可以保护用于研发或包含其他敏感信息的房间。

除了面部识别，人数统计和行为分析也能帮助制造商提高安全性。在紧急情况下，人数统计对于快速确定某个区域中的人数至关重要。此外，将面部识别和行为分析相结合还可以自动确定员工是否进行了从与其他人发生冲突到破坏设备等不当行为，并创建了相关记录。

现场解决方案

“我们不仅针对英特尔^® 处理器，而且也针对英特尔^® Movidius^™ 和英特尔^® OpenVINO^™ 工具包对解决方案进行了基准测试，” Trivedi 说。“通过将英特尔用于 CPU 和 GPU 技术和端到端处理平台，我们的计算密集型操作（如人工智能和深度学习）可提供高水平的性能和较低的拥有成本。此外，英特尔还激发了客户信心，为概念验证部署和缩短上市时间铺平了道路。”