描述

職場安全

基于 AI - 自定義視覺工作場所安全檢測系統(tǒng)。

用例

能夠檢測基于視覺的合規(guī)性。在安全對員工工作很重要的環(huán)境中，制定了合規(guī)規(guī)則，以穿戴適當(dāng)?shù)难b備來保護(hù)環(huán)境并確保人類安全工作。例如，取決于哪個制造公司，人為因果關(guān)系是每個人都想避免的一件事。因此，他們堅持穿著合適的背心、安全帽和安全玻璃或?qū)嶒炇彝馓缀筒Ａ肀Ｗo(hù)。在某些情況下，可能是面罩和完整的防護(hù)服以防化學(xué)品泄漏等。因此，這里的想法是檢測人員，然后查看他們是否穿著背心、安全帽和安全玻璃。通常在制造業(yè)中有人們可以步行的生產(chǎn)線，這將是下一個未來的工作。通過報告和實時警報檢測人員和合規(guī)性和警報管理的能力。還，能夠檢測叉車并在前往叉車操作員的途中提醒人員。該系統(tǒng)不僅可以檢測物體，還可以存儲信息以供進(jìn)一步報告和分析。

例如：通常工廠必須向 OSHA 審核員提供年度或季度報告，以確保是否存在人為因果關(guān)系以及采取了哪些措施而不是重復(fù)。在檢測到物體和未檢測到物體時獲得圖片對于審核員分析數(shù)據(jù)非常有幫助。這對審計員來說非常簡單和容易。但主要目的是工廠或工廠可以運(yùn)行，沒有停機(jī)時間或拉動勞動力來完成審計過程。通常在進(jìn)行審計時會有停機(jī)時間，在這種情況下，這會降低和提高生產(chǎn)率和正常運(yùn)行時間。

有必要檢測并提供報告，而且為了能夠進(jìn)行審計和從數(shù)據(jù)中學(xué)習(xí)，出于歷史目的存儲數(shù)據(jù)也很重要。歷史數(shù)據(jù)可以與其他生產(chǎn)力數(shù)據(jù)相結(jié)合，也可以找到見解。很可能將數(shù)據(jù)推送到數(shù)據(jù)湖中是有意義的。了解系統(tǒng)的性能也很重要。因此，我們需要收集遙測數(shù)據(jù)并將其存儲在 Azure SQL 和 Blob 中以供進(jìn)一步處理。我們可以生成關(guān)于提出了多少合規(guī)性問題的月度報告或周度報告。我們還可以分析數(shù)據(jù)并找出模型是否表現(xiàn)良好或發(fā)現(xiàn)哪里不好。

該場景可以針對其他用例進(jìn)行定制，例如醫(yī)院、化工廠以及各種其他重型機(jī)械和采礦業(yè)。

這是 Vision AI 開發(fā)人員工具包頁面，請單擊此處

建筑學(xué)

?

架構(gòu)解釋

• IoHub – 收集檢測到的對象并將其發(fā)送到云端以使用下游系統(tǒng)進(jìn)行進(jìn)一步處理。作為網(wǎng)關(guān)將數(shù)據(jù)從物聯(lián)網(wǎng)設(shè)備中抽出并將其發(fā)送到云端。此外，設(shè)備管理功能和安全數(shù)據(jù)傳輸均由 Iot Hub 提供。
• 流分析——從物聯(lián)網(wǎng)中心的傳入事件中心讀取數(shù)據(jù)并解析 JSON 并寫回 Azure SQL 和 blob 存儲。傳入的數(shù)據(jù)集采用 JSON 格式，必須壓縮為結(jié)構(gòu)化格式才能進(jìn)行分析。同樣在這里，如果需要，我們可以根據(jù)用例要求進(jìn)行基于窗口的計算。
• Azure SQL – 存儲檢測到的對象數(shù)據(jù)以及檢測到對象的時間，用于為網(wǎng)站和基于 power bi 的報告創(chuàng)建圖表。數(shù)據(jù)僅保留 6 個月到 1 年的報告時間范圍，然后創(chuàng)建清理作業(yè)以刪除舊記錄。用于報告和儀表板。如果需要，也用于下游業(yè)務(wù)系統(tǒng)。
• Blob 存儲——進(jìn)入 Azure SQL 的相同數(shù)據(jù)存儲在 blob 中以進(jìn)行長期存儲。保留超過一年或更長時間的數(shù)據(jù)用于審計記錄和合規(guī)性。最好也將圖像存儲在這里，以便在需要時可以執(zhí)行合規(guī)性和審計。如果需要長期保存這些數(shù)據(jù)，也可以將其轉(zhuǎn)移到冷存儲中。更多關(guān)于長期和審計目的。能夠根據(jù)歷史數(shù)據(jù)分析模型結(jié)果。
• Web App – Dashboard 使用 Azure SQL 數(shù)據(jù)在頁面中顯示信息。它還使用來自 Azure SQL 的歷史數(shù)據(jù)，但僅限于存儲在 SQL 中的數(shù)據(jù)。
• Camera Tagging Module - 這是另一個模塊，用于拍照和標(biāo)記它們并發(fā)送到自定義視覺服務(wù)，也發(fā)送到 Blob 存儲。Blob 存儲用于長期和歷史數(shù)據(jù)分析。在實際用例中，我們希望能夠拍攝真實世界的照片，然后使用它們來訓(xùn)練自定義視覺模型并使模型更加準(zhǔn)確。

要開始將模塊添加到視覺套件，請點擊以下鏈接https://github.com/balakreshnan/WorkplaceSafety/blob/master/CameraTaggingModule/readme.md

例如，在真實的工廠或工廠或醫(yī)院或任何其他場景中，除非我們有圖片，否則很難構(gòu)建模型。使用上面的標(biāo)記模塊，我們可以拍攝真實世界的照片并將其用于訓(xùn)練。上述模塊以手動拍照為主，實現(xiàn)了對拍照和存儲的控制。

例如，在真實的工廠或工廠或醫(yī)院或任何其他場景中，除非我們有圖片，否則很難構(gòu)建模型。使用上面的標(biāo)記模塊，我們可以拍攝真實世界的照片并將其用于訓(xùn)練。上述模塊以手動拍照為主，實現(xiàn)了對拍照和存儲的控制。

使用自定義視覺服務(wù)提供的圖片創(chuàng)建自定義視覺模型

• 登錄 customvision.ai 并創(chuàng)建一個緊湊的對象檢測項目。
• 上傳帶有各種標(biāo)簽的圖像。
• 用正確的標(biāo)簽和邊界框標(biāo)記每個圖像。
• 訓(xùn)練模型并將模型下載為 AI 視覺套件部署文件。
• 詳情請關(guān)注vision ai文檔中的其他文章

將模型部署到 Vision Kit

• 下載模型文件并上傳到 blob 存儲，我們可以在其中為模塊孿生訪問它。
• 您可以壓縮模型并上傳。
• 在模塊孿生中分配 ModelUrlZip 屬性以下載創(chuàng)建的新視覺模型。現(xiàn)在，當(dāng)您佩戴安全帽、背心或安全玻璃時，您應(yīng)該會看到新模型顯示了邊界框。該模型還應(yīng)該預(yù)測 Person。

有關(guān)更多詳細(xì)信息，請在此處訪問 Github 頁面