无代码 AI 平台推动采矿安全

防止采矿环境中发生事故涉及许多活动部件。首先是感官超载：钻探和矿石运输作业声音很大，地下作业往往灯光昏暗。不同类型的车辆以不同的速度行驶，没有红绿灯，很难全面了解周围环境。加上长时间不停地换班，工人安全受到威胁的条件已经成熟。

幸运的是，采矿业可以利用计算机视觉 AI 解决方案应对危险环境（无论是地上还是地下）的挑战。机器学习和计算机视觉解决方案的无代码平台 LabelFuse 的首席执行官兼创始人Kelvin Aongola 表示，事故预防是采矿行业的首要任务，但没有应对挑战的标准化方式。

“企业正在寻求经济高效方法来解决这一问题，” Aongola 表示。我们的高级驾驶辅助系统 (ADAS) 专为采矿和长途卡车运输行业而设计，基本上充当事故预防平台，利用现有的闭路电视摄像头来捕获驾驶员疲劳和地面工作状况的准确图像。

计算机视觉 AI 检测疲劳

在采矿用例中，大型车辆被小型车辆包围，环境非常嘈杂。“如果您是驾驶员，则视线可能会被完全挡住，” Aongola 表示。事故预防涉及许多传统方法，以使驾驶员保持清醒。

计算机视觉解决方案能够捕捉疲劳的视觉线索——眼睛下垂、眨眼——这些可能很容易被人类忽略，并向司机发送提示。该计划还将驾驶员置于不同的环境中，了解车辆周围环境的情况，以更好地预测出现不良后果的可能性。“我们还将这些活动传输到控制中心，因此，如果驾驶员忽略了所有警报，控制中心就可以进行控制，” Aongola 表示。这些数据还可以在发生事故时帮助核实保险理赔。

鉴于 AI 算法可以扫描人脸，寻找疲劳和分心的迹象，那么隐私问题自然会浮出水面。Aongola 表示，但 LabelFuse 遵循数据隐私立法，不会将个人数据存储在云端，因为那里泄露的几率可能更高。该公司还仅在本地存储时间不超过几个月的元数据。

Aongola 表示，虽然事故预防是采矿业的当前用例，但 LabelFuse 解决方案配备了承受更大负荷的设备。该系统可以与 ADAS 配合使用，并在未来扩展到自动驾驶用例。“有可能超越我们所提供的具有我们现有设置的产品，” Aongola 表示。

渴望无代码解决方案

没有合适的 AI 专业知识的公司难以实施。“如果您了解计算机视觉是如何部署的，特别是在边缘，大多数公司都会进行小型概念验证，但他们面临的挑战是将其扩展为生产就绪的解决方案，” Aongola 表示。“他们要么难以微调模型，要么难以弄清楚如何使用合适的边缘设备来部署他们的想法。”

希望部署 AI 驱动的解决方案的企业渴望使用无代码解决方案，这样它们就可以专注于其主要价值主张，而不会成为 AI 优先的公司。无代码解决方案使软件访问变得普遍化，因为它们甚至使那些没有专业编程技能的人也能开发出可行的问题解决方案。预构建的组件和拖放功能使专业人员能够构建功能，而无需深入了解编程基础知识。

LabelFuse 通过其无代码平台满足了这一需求，该平台允许领域专家只需登录并选择特定于企业运营需求的模型。

英特尔边缘计算的优势

LabelFuse 依赖英特尔技术的原因有很多，包括成本合理。“在与客户交谈时，更容易完成交易，因为价格点不需要经过复杂的批准流程；他们可以随时做出决定，” Aongola 表示。

在云端存储数据是一项挑战，因此高性能边缘处理有助于降低成本和延迟。搭载第 13 代英特尔^® 酷睿™ 处理器的英特尔^® NUC ，可提供所需的所有性能计算。该设备外形小巧，安装方便，非常适合空间狭窄的车辆。NUC 可以放置在坚固耐用的外壳中，以适应采矿的恶劣环境。Aongola 表示，广为人知的品牌名称是另一个重要的有利因素，因为“技术已经经过验证，您不会使用没有名称的设备来帮助解决问题。”

计算机视觉 AI 的更广泛的采用

尽管 LabelFuse 已经发现它可就绪实施于采矿业中的事件预防平台，但用例已扩展到行业以外。任何因制造、现场服务或零售业等繁忙环境而引起员工注意力可能会下降的行业都可以从这些计算机视觉 AI 解决方案中受益。

Aongola 表示，计算机视觉的工作方式正在发生变化。人们想要可以与之交谈的解决方案，例如用于视觉数据的 ChatGPT 等效解决方案。LabelFuse 将此类生成式 AI 集成到边缘产品中，并已经看到了在该领域的巨大吸引力。
 

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。