امروزه نظارت بر ایمنی در محیطهای صنعتی پیچیده و کارخانههای تولیدی، چالش بزرگی است که روشهای سنتی نظارت انسانی و بازبینی غیرفعال دوربینهای مداربسته (CCTV) قادر به پاسخگویی کامل به آن نیستند. خطای انسانی، خستگی اپراتورها و عدم امکان پایش همزمان صدها نقطه حادثهخیز، منجر به بروز حوادث جبرانناپذیر و کاهش بهرهوری میشود. این پروژه به تشریح طراحی و توسعه یک سامانه یکپارچه بینائی ماشین (Computer Vision) مبتنی بر هوش مصنوعی میپردازد که با بهرهگیری از زیرساختهای تصویری موجود، نظارت منفعلانه فعلی را به یک سیستم پایش فعال و بلادرنگ (Real-time) تبدیل میکند. در این طرح، الگوریتمهای پیشرفته یادگیری عمیق (Deep Learning) و مدلهای تشخیص شیء (از جمله معماریهای YOLOv) برای شناسایی خودکار ناهنجاریها و مخاطرات HSE آموزش دیده و پیادهسازی شدهاند. ماژولهای توسعهیافته در این سامانه شامل: محور اول، نظارت بر ایمنی و رفتار پرسنل است که شامل ماژولهای تشخیص چهره جهت تعیین موقعیت مکانی افراد، پایش انطباق پوشش با لباسهای استاندارد سازمانی (برند نیکسان)، و تضمین حرکت پرسنل صرفاً در مسیرهای ایمن (Green Zones) با قابلیت تشخیص ورود به مناطق ممنوعه میباشد. همچنین، این سامانه با شمارش افراد، تراکم غیرمجاز را گزارش کرده و رفتارهای پرریسک نظیر استفاده از تلفن همراه حین کار، کار در ارتفاع بدون تجهیزات و عبور از مسیر حرکت ماشینآلات را شناسایی و اعلام هشدار میکند. محور دوم، مدیریت هوشمند ماشینآلات و محیط است که بر ردیابی و تحلیل رفتار لیفتراکها (رعایت سرعت و مسیر)، پایش وضعیت سلامت ماشینآلات (تشخیص نشت روغن و توقفات غیرعادی) و بروز هرگونه آتش سوزی با استفاده از پردازش تصاویر تمرکز دارد. محور سوم، کنترل کیفیت و بهینهسازی خط تولید است که در آن سامانه به صورت خودکار کیفیت ظاهری محصولات (یخچالها) را از نظر خراش و نقص رنگ بررسی کرده، فاصله استاندارد بین محصولات را جهت جلوگیری از برخورد پایش میکند و سرعت حرکت نوار نقاله را برای حفظ ریتم تولید استاندارد، اندازهگیری و کنترل مینماید.
