Les réseaux de neurones peuvent reconnaître les processus de production par vidéo pour améliorer la sécurité industrielle et l’efficacité
Une équipe de recherche du Skoltech AI Center et de l’Université Samara a développé un système pour séparer automatiquement les étapes des processus de production des flux vidéo. Les caméras industrielles détecteront elles-mêmes les écarts dans le processus de production et empêcheront même les accidents. En utilisant l’approche d’apprentissage auto-supervisée, le coût du balisage des données manuel peut être réduit tandis que la stabilité du modèle dans des conditions réelles peut être augmentée. Les résultats de la recherche sont présentés dans le Accès IEEE journal.
La technologie est conçue pour la segmentation temporelle des flux vidéo à partir des sites de production. Le système comprend l’étape d’une opération, comme la modification de l’huile ou l’assemblage des composants, et met automatiquement en évidence les points clés de la vidéo.
« L’introduction de tels systèmes offre des économies réelles: il n’est plus nécessaire de traiter manuellement des centaines d’heures de vidéos pour former un réseau neuronal pour reconnaître les étapes de production », explique Maxim Aleshin, un ingénieur d’apprentissage automatique de premier plan au Skoltech AI Center.
« Le modèle identifiera indépendamment les modèles de grands volumes de matières premières. Cela permet aux caméras industrielles de détecter les écarts par rapport au cours normal du processus en temps réel et à prévenir les urgences. »
Le réseau neuronal est formé sur un large éventail d’enregistrements vidéo non marqués, identifiant indépendamment les caractéristiques clés sans contribution humaine. Ensuite, il suit une formation supplémentaire sur un petit échantillon marqué et s’adapte à des tâches spécifiques (par exemple, pour classer les événements tels que « changement de roue », « changement d’huile » et « état statique »). Le système a montré une vitesse de traitement de flux vidéo élevée, ce qui le rend adapté à une utilisation en temps réel dans les environnements industriels.
Selon Svetlana Illarionova, qui dirige un groupe de recherche au Skoltech AI Center, la technologie fera partie de solutions plus larges pour assurer la sécurité industrielle et optimiser les processus de production.
Dans un avenir proche, l’équipe prévoit d’étendre le nombre de scénarios pris en charge et de types d’opérations de production, de tester le système sur des installations réelles avec une surveillance continue d’un grand nombre de processus et intégrer l’approche dans les systèmes de surveillance vidéo intelligente sur les sites industriels.
« Ce sont précisément ces projets qui rendent la production plus sûre et plus intelligente. Nous sommes convaincus que la technique proposée trouvera une application au-delà des chaînes de montage classiques », a souligné Svetlana illarionova.
