Нейросети и их способность выявлять нарушения правил ношения спецодежды и средств индивидуальной защиты: опыт Кольской АЭС

На протяжении столетий главным гарантом безопасности на сложном производстве оставался человек — мастер, бригадир или обычный инспектор по охране труда. Однако человеческий фактор имеет неумолимую статистическую природу: даже самый опытный специалист теряет концентрацию спустя сорок минут тщательного непрерывного наблюдения за мониторами, а личный обход цехов физически неспособен охватить каждый участок в режиме реального времени. В отраслях с высокой ценой ошибки — от металлургии до атомной энергетики — цена одного незамеченного расстегнутого ремешка каски или поднятого защитного щитка может измеряться человеческими жизнями и техногенными рисками. Эволюция промышленного контроля прошла долгий путь от бумажных журналов инструктажа середины XX века и первых аналоговых систем видеонаблюдения 1970-х годов до самых современных интеллектуальных платформ.

Старший дежурный электромонтер Владимир Кувшинов демонстрирует, как правильно использовать средства защиты. Если что-то не так, система даст сигнал оператору

Долгое время видеокамеры на предприятиях выполняли роль «цифровых свидетелей»: они исправно записывали происходящее, но позволяли проанализировать ситуацию лишь постфактум, когда инцидент уже произошел. Ситуация коренным образом изменилась в 2010-х годах с прорывом в области глубокого обучения и сверточных нейронных сетей. Машины научились не просто транслировать картинку, а понимать ее семантику — распознавать объекты, позы и контекст действий с точностью, недоступной человеческому глазу.

Сегодня компьютерное зрение превратилось из экспериментальной разработки в полноценного цифрового напарника инженеров по безопасности. В строительном секторе алгоритмы мгновенно фиксируют отсутствие страховочной привязи на высоте, в горнодобывающей промышленности отслеживают признаки усталости водителей карьерных самосвалов, а в металлургии контролируют приближение персонала к зонам разлива расплавленного металла.

Особую значимость эти технологии приобретают на объектах критической инфраструктуры, где требования к надежности возведены в абсолют. Показательным примером такой цифровой трансформации стал опыт Кольской атомной электростанции. Здесь инженеры и разработчики научили нейросеть в реальном времени следить за соблюдением строжайшего регламента ношения средств индивидуальной защиты — вплоть до мельчайших деталей экипировки в помещениях с высоковольтным оборудованием. О том, как алгоритмы обучались отличать безопасную позу от критического нарушения, с какими вызовами столкнулись создатели системы и почему этот проект стал эталоном для всей атомной отрасли, пойдет речь далее.

Современные нейросети получили широкое распространение для решения большого числа разнообразных задач. Сюда входят такие задачи как: классификация и распознавание образов или сложный анализ текстов и т.д. В этой статье предлагаем вашему вниманию рассказ о том, как нейросеть выявляет нарушений при ношении спецодежды и средств индивидуальной защиты путем анализа видеопотока с видеокамер. В этом году цифровую систему по обнаружению нарушений правил применения средств индивидуальной защиты, опробованную на Кольской АЭС, начнут тиражировать на другие станции. Пилотный проект признан успешным, система позволяет выявлять и регистрировать до 95—98% нарушений. Кроме того, неумолимость цифрового контроля побуждает сотрудников относиться к соблюдению техники безопасности более ответственно.

ПОЙМАННЫЕ НЕЙРОСЕТЬЮ

Кольская станция — пионер по продвижению цифровых технологий в области безопасности. В 2020 году здесь ввели в промышленную эксплуатацию систему автоматизированного контроля обязательного использования и правильного применения персоналом спецодежды и средств индивидуальной защиты (СИЗ), или, проще говоря, систему машинного зрения.

В помещениях по обслуживанию высоковольтного оборудования станции установили 53 промышленные телекамеры высокого разрешения. Система видеонаблюдения следит за всеми операциями и переключениями, а также контролирует, как персонал использует все средства защиты, включая СИЗ. Не опущен щиток на каске, расстегнута спецовка, нет защитных перчаток, не застегнут подбородочный ремень, используется не та спецодежда — от машинного зрения ничего не скрыть.

Изображения с камер анализирует самообучаемая нейросеть, если видит нарушение, передает сигнал об этом куда надо: картинка с выделенной областью нарушения мгновенно всплывает на экранах мониторов начальников смен и административно-технического персонала. Они моментально связываются с сотрудником и при необходимости приостанавливают работы.

Система — интеллектуальная собственность концерна и создана под нужды станций. У нейросети «Росэнергоатома» широкая линейка детекторов, которые можно настраивать, комбинировать, каскадировать, то есть передавать результаты одного детектора другому. Например, первый детектор определяет, что в кадре человек, второй — его принадлежность к той или иной группе персонала по типу спецодежды, третий — есть ли нарушение в использовании СИЗ, обязательных для этой группы. Система идентифицирует все применяемые на атомных станциях средства индивидуальной защиты, тогда как детекторы других производителей могут распознать лишь ограниченный набор, в основном каски.

«Для Кольской станции большая честь быть в авангарде внедрения передовых цифровых технологий. Мы рассматриваем этот проект как государственное задание, успешное выполнение которого позволит тиражировать полученный опыт в масштабах всей атомной отрасли», — говорит директор Кольской АЭС Василий Омельчук.

КОЛИЧЕСТВО НАРУШЕНИЙ СОКРАТИЛОСЬ В 10 РАЗ

В первую очередь систему внедрили в помещениях по обслуживанию высоковольтного оборудования. Предпосылкой стал ряд несчастных случаев на АЭС при производстве работ в комплектных распределительных устройствах 6 кВ (КРУ). В последнее десятилетие при оперативных переключениях именно здесь происходили самые тяжелые несчастные случаи от поражения электрической дугой.

В частности, в 2017 году произошло ЧП с работником электрического цеха Кольской АЭС при выполнении переключений на блоке по вводу в работу оборудования главной схемы электрических соединений. При работах электромонтер должен был использовать полный комплект защиты от воздействия электрической дуги. Но пострадавший работник нарушил требования охраны труда: не застегнул воротник куртки защитного костюма, не надел термостойкий подшлемник, термостойкую куртку-накидку и диэлектрические перчатки, не опустил защитный экран каски.

При выполнении замера сопротивления изоляции в ячейке от воздействия электрической дуги старший дежурный электромонтер получил термические ожоги II степени. Сильнейшие ожоги остались именно там, где не использовались СИЗ.

«Количество нарушений применения СИЗ с момента введения системы машинного зрения уменьшилось примерно в 10 раз и практически свелось к нулю. Это очень хороший результат, — считает главный технолог департамента охраны труда и защиты персонала «Росэнергоатома» Валерий Коробов. — Внедрение на АЭС видеосистем побуждает приобретать полезные привычки: постоянно и в полном объеме применять средства индивидуальной защиты и самостоятельно контролировать безопасность на рабочем месте. Если на начальном этапе внедрения таких технологий нарушения со стороны работников регистрировались практически ежедневно, то сейчас это большая редкость».

Записи с камер видеонаблюдения

УМНЫЙ АНАЛИЗ, ВЕРНЫЙ ПРОГНОЗ

Пилотный проект на Кольской АЭС признан успешным. В центральном аппарате концерна принято решение о его развитии и тиражировании на все атомные станции.

«Основное преимущество умной видеоаналитики по сравнению с традиционным наблюдением оператора за экранами в том, что она не устает, у нее не бывает переживаний, которые сказываются на концентрации внимания. Плюс нейросеть может одновременно наблюдать за огромным количеством видеопотоков, поступающих с камер видеонаблюдения, что недоступно обычному оператору. Ее возможности ограничены лишь производительностью серверов системы умной видеоаналитики», — поясняет руководитель проекта департамента управления ИТ-проектами и интеграцией «Росэнергоатома Вячеслав Галямов.

«В самом начале внедрения система работала преимущественно по реактивному принципу: нарушения выявлялись и устранялись только после того, как они произошли. Однако в этом процессе был и элемент проактивности. Реактивными мерами мы осуществляем проактивную процедуру: цифровые программы помогают дисциплинировать работников и предотвращать нарушения, — делится мнением руководитель проекта управления развития корпоративной культуры «Росэнергоатома» Ирина Косарева. — Переход к проактивному подходу начался с осознания того, что систему можно использовать более эффективно. Для этого ее модернизировали и добавили дополнительные функции, которые позволяют предсказывать и предотвращать возможные риски и нарушения».

В течение нескольких месяцев специалисты обучали искусственный интеллект отслеживать применение средств индивидуальной защиты в электроустановках: например, надел ли работник каску с щитком, защитный костюм от электрический дуги и т. д. Сегодня, обнаружив подобное нарушение, система отправляет уведомление ответственным за контроль выполнения работ лицам.

«Самым сложным при доработке функционала была подготовка видеоматериалов для обучения нейросети. Необходимо было снять серию видеороликов, на которых работник электроцеха выполняет определенные действия по заранее прописанному сценарию. Конечно, этот процесс потребовал от коллег много времени, сил и определенных операторских способностей, не всегда все получалось с первого раза, но сотрудники станций справились с этой задачей», — рассказывает руководитель проекта от ИТ-компании-подрядчика Константин Сходцев.

ЧТО ДАЛЬШЕ

Тиражировать систему на другие атомные станции будут в два потока. В первый входят Балаковская, Калининская и Ростовская станции. Во второй — Белоярская, Курская, Ленинградская, Нововоронежская и Смоленская. Оборудование поступит на станции в этом году. На Кольской АЭС систему модернизируют.

«Кольская станция добилась высокого уровня цифровизации, в том числе в функционировании различных процедур системы управления охраной труда. Но необходимо распространять этот опыт на другие АЭС, — резюмирует Валерий Коробов. — Необходимо продолжать улучшать качество работы и снижать количество ошибок и нарушений требований охраны труда. В этом нам помогут разнообразные цифровые программы по охране труда, которые становятся все более популярными. Цифровизация процессов, которые сейчас выполняются вручную, позволяет сэкономить время и снизить вероятность ошибок. Мы планируем продолжать разрабатывать новые цифровые программы и улучшать уже существующие. Это поможет нашим АЭС стать еще более эффективными и безопасными».

ПРЯМАЯ РЕЧЬ 

Елена ЗАЙЦЕВА, начальник отдела департамента охраны труда и защиты персонала «Росэнергоатома»:

— С внедрением системы безопасности на Кольской АЭС наблюдаются заметные улучшения в области охраны труда и безопасности. Количество нарушений на станции значительно снизилось, что служит хорошим поводом для распространения данной практики на другие объекты.

Внедрение цифровых технологий позволяет улучшить качество работы и снизить риск возникновения ошибок. Станции, использующие цифровые программы, привыкают к ним и начинают ощущать их необходимость. Без использования цифровых инструментов становится трудно и неудобно работать. К тому же, помимо снижения количества нарушений, внедрение подобных систем позволяет существенно упростить и ускорить рабочие процессы.

На предприятиях, где еще не сложилась практика внедрения цифровых продуктов, с недоверием и настороженностью относятся к таким новшествам. Первоначально внедрение новых цифровых систем может восприниматься как усиление контроля. Однако со временем сотрудники приходят к пониманию, что такие меры — это проактивные действия, которые приводят к формированию полезных привычек. Меняется отношение к безопасности и охране труда, люди начинают воспринимать свою работу в этом направлении более серьезно и ответственно.

Можно сказать, что цифровой продукт влияет на трансформацию сознания и отношение в целом к безопасности, охране труда. Происходит процесс перехода от дисциплинарного контроля к самостоятельному осознанию важности соблюдения правил безопасности.

Кольская АЭС в этом контексте представляет собой отличный пример того, как цифровая трансформация может привести к позитивным изменениям в области безопасности и охраны труда. Сегодня сотрудники станции более позитивно и открыто относятся к внедрению новых технологий и процедур, они привыкли к использованию цифровых инструментов в своей работе, поняли, что цифровые продукты не только облегчают их работу, но и позволяют станции быть более эффективной и безопасной.

Ландшафт индустрии: кто в России и мире создает «умное» зрение для безопасности труда

Сегодня рынок промышленной видеоаналитики превратился из нишевого сегмента для ИТ-энтузиастов в стратегическое направление, где конкурируют технологические гиганты и специализированные инженерные компании. Решения для автоматического контроля средств индивидуальной защиты (СИЗ) и производственной дисциплины активно развиваются как в России, так и за рубежом, адаптируясь под специфику тяжелой промышленности, энергетики и логистики.

Российские разработчики и промышленные гиганты

В России драйверами технологии выступают две группы игроков: специализированные ИТ-вендоры, создающие коробочные и кастомные платформы видеоаналитики, и внутренние цифровые подразделения крупнейших корпораций.

  • «Малленом Системс» (система EYECONT). Череповецкий разработчик создал программный комплекс, способный с точностью до 99% распознавать наличие и правильность ношения до 15 видов защитной экипировки — от касок и респираторов до страховочных привязей при работе на высоте. Решения компании активно применяются на металлургических и машиностроительных предприятиях.
  • VizorLabs. Российский разработчик систем компьютерного зрения, внедряющий комплексы промышленной безопасности на объектах горной добычи, нефтегазового сектора, строительства и энергетики. Помимо контроля СИЗ, их алгоритмы отслеживают попадание людей в опасные зоны работы техники и фиксируют нарушения регламентов технологических операций.
  • NVI Solutions. Компания специализируется на промышленном искусственном интеллекте для топливно-энергетического комплекса. Показательным примером стал проект для «Газпром нефти» на Восточно-Мессояхском месторождении, где компьютерное зрение обеспечивает дистанционный контроль соблюдения техники безопасности на автономных кустовых площадках в условиях Крайнего Севера.
  • NeuroCore и JSA Group. Разработчики специализированных модулей видеоаналитики, интегрируемых в стандартную инфраструктуру видеонаблюдения. Например, внедрение платформы SEES от JSA Group позволяет промышленным предприятиям сокращать количество нарушений требований охраны труда в три-четыре раза за счет мгновенного оповещения мастеров смен.
  • Внутренние ИТ-интеграторы корпораций. Крупнейшие холдинги — «Росатом», «СИБУР», «Северсталь» и «НЛМК» — формируют собственные центры компетенций. Помимо опыта Кольской АЭС, «СИБУР» масштабирует систему видеоаналитики на своих нефтехимических комбинатах для контроля экипировки и предотвращения инцидентов при ремонтных работах, а металлургические комбинаты используют нейросети для контроля нахождения персонала вблизи зон разлива металла.

Мировые лидеры и зарубежные кейсы

На глобальном рынке направление PPE Detection (обнаружение средств индивидуальной защиты) развивается по пути интеграции алгоритмов непосредственно в аппаратное обеспечение камер и создания облачных платформ поведенческой аналитики.

  • Hikvision и Dahua Technology. Крупнейшие мировые производители систем видеонаблюдения встраивают алгоритмы глубокого обучения (например, технологию DeepinView у Hikvision) прямо в микропроцессоры промышленных камер. Это позволяет строительным площадкам и заводам запускать автоматический контроль касок, жилетов и защитных очков без закупки дорогостоящих серверов видеоаналитики.
  • Voxel. Американский технологический стартап, сфокусированный на безопасности логистических центров, складов и производств. Система подключается к существующим камерам и анализирует не только наличие защитной одежды, но и эргономику движений работников, риски столкновения погрузчиков и заблокированные эвакуационные выходы. Технологию уже используют такие крупные корпорации, как Clorox, PPG Industries и Dollar Tree.
  • Viso Suite и Chooch AI. Глобальные платформы компьютерного зрения, предоставляющие предприятиям инструменты для быстрого обучения и развертывания нейросетей. Их решения применяются в строительстве, химической промышленности и авиационном обслуживании для контроля экипировки персонала и соблюдения зон безопасности вокруг сложного оборудования.
  • Индустриальные концерны (Siemens, Bosch, Honeywell). Европейские и американские промышленные гиганты интегрируют модули визуального контроля СИЗ в свои комплексные системы управления производством и умными зданиями, связывая видеоаналитику с системами контроля доступа: турникет на опасный участок просто не откроется, если камера не зафиксирует на сотруднике каску и защитные очки.

Итоги цифровой трансформации безопасности: от контроля экипировки к предиктивной аналитике

Внедрение систем компьютерного зрения на объектах критической инфраструктуры, наглядным примером которого стал проект на Кольской атомной электростанции, знаменует фундаментальный сдвиг в философии охраны труда. Речь идет уже не о простом поиске виновных постфактум, а о создании проактивной среды, где потенциальная угроза нейтрализуется за доли секунды до возможного инцидента. Нейросеть взяла на себя самую рутинную и утомительную часть работы — непрерывный визуальный мониторинг, освободив специалистов по безопасности для решения сложных аналитических и организационных задач. Как показала практика заполярных атомщиков, объективный цифровой надзор не вызывает отторжения у персонала, а напротив, формирует устойчивую культуру осознанного отношения к собственной защите, превращая соблюдение регламента в естественную профессиональную привычку.

Перспективы развития технологии

Эволюция промышленной видеоаналитики не ограничивается распознаванием статичных элементов спецодежды. В ближайшие годы технология будет развиваться по трем ключевым направлениям:

  • Переход к поведенческой и предиктивной аналитике. Алгоритмы нового поколения будут оценивать не только наличие каски или перчаток, но и биомеханику движений сотрудника. Нейросети научатся предсказывать риск падения, потери равновесия, резкого ухудшения самочувствия или критической усталости персонала за несколько секунд до наступления опасного события.
  • Интеграция с промышленным интернетом вещей (IIoT). Видеоаналитика станет частью единой цифровой экосистемы предприятия. При фиксации нарушения система сможет не просто отправить уведомление диспетчеру, но и автоматически заблокировать турникет, остановить конвейер или снять напряжение с опасного участка оборудования.
  • Развитие периферийных вычислений (Edge AI). Обработка видеопотока будет все чаще происходить непосредственно внутри самих «умных» камер без передачи тяжелых массивов данных на центральные серверы. Это снизит нагрузку на корпоративные сети, минимизирует задержки сигнала и повысит общую кибербезопасность критически важных объектов.

Часто задаваемые вопросы (FAQ)

Заменяет ли нейросеть живых инженеров по охране труда?
Нет. Искусственный интеллект выступает исключительно в роли высокоточного инструмента и цифрового ассистента. Алгоритм фиксирует аномалию и сигнализирует о ней, однако окончательную оценку ситуации, разбор причин нарушения и принятие управленческих решений всегда осуществляет человек.

Насколько точно система работает в сложных промышленных условиях — при плохом освещении, запыленности или перекрытии обзора?
Современные сверточные нейросети обучаются на тысячах синтетических и реальных кадров, снятых в самых разных условиях: в сумерках, при бликах сварки, в задымленных помещениях и с разных ракурсов. Это позволяет удерживать точность распознавания на уровне 95–98%, а использование инфракрасных и тепловизионных камер полностью нивелирует проблему недостаточной освещенности.

Как решается вопрос конфиденциальности и защиты персональных данных сотрудников?
В подавляющем большинстве систем контроля СИЗ используется обезличенная видеоаналитика. Алгоритм идентифицирует в кадре силуэт человека, его позу и элементы экипировки, не привязывая их к биометрическим данным лица. Данные обрабатываются в замкнутом контуре предприятия и не передаются во внешние сети.

Насколько сложно масштабировать подобное решение на другие предприятия?
При наличии базовой инфраструктуры видеонаблюдения развертывание системы занимает от нескольких недель до пары месяцев. Основной этап внедрения заключается в дообучении нейросети под конкретные стандарты спецодежды и специфику производственных цехов конкретного заказчика.

Автор: Екатерина Гаркуша.
Иллюстрации: Александра Коробова
Источник: https://up-pro.ru/