從智慧城市到智慧工廠：人工智慧 (AI) 和機器學習 (ML) 帶來全新視角

編者註：insight.tech 支持終結種族主義、不平等與社會不正義行為。我們不容忍我們贊助商的產品用於侵犯人權，包括但不限於政府濫用視覺化技術。insight.tech 上所提到的產品、技術和解決方案皆假定為以負責且合乎道德的方式使用人工智慧以及電腦視覺工具、技術和方法。

多年來，談到改善對工人的保護，即代表要增強職業安全法規和加強執行安全程序檢核表。然而，儘管危險工地會造成社會和財務成本，這些措施在實施上仍為一項挑戰。為什麼？實在沒有足夠的人力來監督製造現場的每一個角落，確保工廠全年全天候都安全無虞。

幸好，用於監測城市、改善交通安全的科技也能在工廠達到一樣的效果。電腦視覺、AI 和機器學習提供了自動化安全檢查的方式。這些做法可以用來警告安全官員，而他們可以立即應對問題－有時候甚至可以在意外發生前就先行解決。官員可以追蹤違規狀況，以建立新的操作程序標準，改善工作環境安全。

「如同道路和橋梁，許多工業設施已經裝了監視錄影機。」Videonetics 負責業務開發的副總裁 Avinash Trivedi 表示。「但是，絕大部分的攝影機並無法對視訊進行即時分析，只能在意外發生後觀看事發影片。」

利用電腦視覺和 AI 偵測違反安全規則的情況

Videonetics 在開發工業安全和保安解決方案時，重新利用了公司的許多先進技術，這些技術幫助 Videonetics 解決其在建立電腦視覺交通管理和安全系統時面臨的諸多挑戰。該解決方案利用 AI 和機器學習來即時偵測和分析工作地點的違規狀況，方法類似於處理汽車違規。這讓公司能夠持續進行安全檢查，而不只是按照安全法規進行一定次數的檢查。「我們結合了人腦智慧和電腦智慧，來更好的協調製造工廠各個區域的回應。」Trivedi 表示（圖 1）。

解決方案使用的 AI 和深度學習框架 DeeperLook 具有非關作業系統 (operating system agnostic) 的特性。該解決方案一併支援 FPGA、GPU 和 CPU 架構，且可以部署於雲端或邊緣裝置，提供零活性並支援運算負載分配。解決方法經預先訓練，有著大量從多種來源蒐集來的資料組。系統內建有資料訓練、註解、推斷和視訊分析生命週期的自我持續方法。

安裝後，系統會透過非監督式學習來改善偵測安全違規的能力。這是透過 Videonetics 獨家的 AI 和深度學習推斷技術達成，讓解決方案可以辨識不同物件和圖案。

視訊畫面處理就是一個例子。這項技術搭配機器學習，可以充分利用任何畫面中不變的東西，如工廠地板。這個解決方案可以忽略包含地板的數位視訊資料，而著重在會改變的東西上，如人、推高機和機器人的移動。

在這種情況下 Videonetics 的工業安全和保安解決方案可以偵測到有處於停車狀態或停用的推高機擋到了生產路線或防火門。系統自東產生警示或事件，並發送給製造業者的指揮中心。之後，安全和保安人員可以告知推高機作業員，讓他們立即移除區域中的危險成分。

該解決方案的自動行為分析和其觸發的連環事件大體是重新利用了公司的交通安全系統。下表能幫助您瞭解過程，從視訊輸出到畫面處理到產生事件或警示（圖 2）。

「往往，製造業者會分別獨立開發安全、保安和作業解決方案。」Trivedi 說。「這使得業者缺乏整體意識，結果導致三個方面都出現問題。將三者整合成一個整合的指揮與控制解決方案，有助於改善各方面的回應能力。」

臉部辨識增加安全性

觀察人們（不管是員工、承包商還是供應商）是確保安全和保安的一個重要步驟。舉例來說，如果製造工廠新增臉部辨識，便可以只讓經過特定設備訓練的員工進入特定區域。同樣的，也可以保護專用於研發或含有其他敏感資訊的方間的安全。

除了臉部辨識，人數計算和行為分析也讓製造業者可以提升安全性。人數計算技術在緊急狀況發生時能夠快速判斷區域內的人數。臉部辨識結合行為分析可以自動判定員工是否在進行不適當的行為，如與他人發生糾紛、毀壞器械，並記錄當事者。

現場提供的解決方案

「我們的解決方案的標竿不只採納了 Intel^® 處理器，還有 Intel^® Movidius^™ 和 Intel^® OpenVINO^™ 工具組。」Trivedi 表示。「我們使用了 Intel 的 CPU 和 GPU 技術，以及一個端對端的平台，這讓我們的 AI 、深度學習等運算密集的作業得以提供高效能、低成本。此外，Intel 讓客戶對我們有信心，讓我們能順利部署概念驗證、縮短上市時間。」