Фарид
Нигматуллин

генеральный директор ООО "ВидеоМатрикс"
© ComNews
23.06.2021

Использованием средств видеонаблюдения для нужд безопасности уже давно сложно кого-то удивить. Но современная видеоаналитика способна решать куда более обширный круг задач, которые стоят перед современными предприятиями различных отраслей, от горнодобывающей до сельского хозяйства. О том, что умеет современная видеоаналитика, генеральный директор ООО "ВидеоМатрикс" Фарид Нигматуллин рассказал обозревателю проекта Vision Якову Шпунту.

Как долго существует видеоаналитика? Когда и где ее начали применять для решения реальных задач?

- Видеоаналитика у многих ассоциируется с весьма узким сегментом приложений, связанных с автоматизацией задач видеонаблюдения, включая биометрию и распознавание лиц. Первые значимые проекты в этой области были реализованы в начале 2010 годов, как в мире, так и в России. Но в целом видеоаналитика – технология, использующая методы компьютерного зрения. А они активно развивались еще в прошлом веке. Исследовательские проекты шли с 1960-х гг.

Многие системы, которые успешно решали задачи контроля производственных процессов и работы оборудования, появились, по крайней мере, на уровне прототипов, в середине 1990-х годов. Это было сделано почти одновременно в России, Британии и Германии. Уже тогда системы могли контролировать серийные номера и выявлять разного рода дефекты в изделиях, причем с помощью анализа изображения с камер, а не параметров с датчиков. Масштабы применения были, конечно, меньше сегодняшних.

Реальные системы, пригодные к практическому применению, вышли на рынок в начале 2010 годов, хотя это произошло позже того, когда были реализованы знаковые крупные проекты в области безопасности. Интерес к ним сразу был весьма велик, и этот сегмент начал очень быстрыми темпами расти. И тут нет ничего удивительного, поскольку использование таких систем позволяло решить очень многие застарелые проблемы с минимумом затрат.

Можно ли использовать для производственных нужд оборудование, которое установлено для решения задач безопасности? И если да, то что для этого нужно?

- Системы, которые позволяют анализировать данные с камер, давно существуют и успешно используются. Часто аналитическими средствами оснащают и сами камеры, и их возможностей обычно бывает достаточно для решения разнообразных задач. Современные комплексы не просто определяют наличие людей на объекте и их количество, но и позволяют с большой точностью их идентифицировать даже тогда, когда они скрывают лица с помощью масок или предметов одежды. Этого для решения задач контроля над людьми на больших пространствах обычно вполне достаточно.

Однако собственными средствами аналитики оснащаются далеко не все камеры. Камеры, которые используются в системах машинного зрения, обладающие необходимыми возможностями по разрешению и скорости, ориентированы на использование внешних средств аналитики. Хотя если с такого устройства будут передаваться уже предварительно обработанные данные, это позволит снизить требования к инфраструктуре. Однако объем данных, которые генерируют такие камеры, больше, причем на 1–2 порядка, чем обычные камеры, используемые для нужд видеонаблюдения, которые имеют разрешение FullHD и стандартные 24 кадра/с. Системы же машинного зрения могут обладать быстродействием и в 1000 кадров/с и разрешением 12 мегапикселей. Такие объемы может обрабатывать только серверная система аналитики.

Насколько часто возникают организационные проблемы, связанные с разграничением доступа разных подразделений заказчика к системе видеонаблюдения? Как их можно разрешать?

- Тут сложно дать однозначный ответ. Начну с того, что далеко не всегда оборудование, установленное для задач службы безопасности, можно использовать для контроля производственных процессов вследствие того, что оно не удовлетворяет минимально необходимым параметрам.

Когда уже имеющееся оборудование применять можно, то возникает задача совместного использования данного ресурса. Служба безопасности, прежде всего, должна получить гарантии того, что никто из посторонних не сможет вмешаться в работу их систем, а также исказить или уничтожить актуальные данные. Плюс ко всему, службу безопасности может мотивировать и то, что дополнительная аналитика поможет выявлять какие-то новые злонамеренные действия. Например, выявлять кражи товара в магазине наряду с контролем расположения на полках в случае розничной торговли. Тем более, что традиционная видеоаналитика не слишком эффективна в борьбе с шоплифтингом. Ведь, как правило, особенно если речь идет о "бортовых" вычислителях, куда закладываются жестко заданные сценарии, и изменить их без участия разработчика конечный потребитель не сможет. Естественно, магазинные воры, особенно если это профессионалы, очень быстро учатся "работать" так, чтобы не привлекать внимание противокражных систем.

В чем специфика видеоаналитики для промышленного использования?

- Мы специализируемся на системах, предназначенных для контроля технологических и производственных процессов, участниками которых являются не только люди, но и сырье, оборудование, продукция. Если говорить о ситуационной аналитике, где главным объектом наблюдения являются люди, то там отслеживаются действия, которые происходят довольно медленно. В производственном же процессе речь идет о десятках и даже сотнях операций в секунду.

Также промышленные системы работают в условиях серьезных помех, связанных с запыленностью, загазованностью, отклонениями в освещенности, причем в обе стороны, или просто движениями объектов с большой скоростью. Все они серьезно мешают контролировать то, что происходит. Системы ситуационной аналитики предназначены для работы в условиях улицы, где таких серьезных помех, как правило, нет.

Аномалии, на которые призвана реагировать ситуационная аналитика, хорошо формализуемы. Легко зафиксировать то, пересек человек охраняемый периметр или нет, превысил ли автомобиль скорость. Довольно легко "обучить" систему фиксировать драки, использование оружия и тому подобное. А вот выявлять дефекты или контролировать качество обрабатываемых поверхностей сложнее. Тут, к тому же, многое зависит от точки зрения оператора, и субъективный фактор тоже приходится учитывать. В дефектоскопии у нас большой опыт работы, мы уже на практике научились справляться с большим количеством нюансов.

Часто заказчики заинтересованы в том, чтобы не допускать дефектов оборудования, которые возникают редко (например, раз в год или в несколько лет), но при этом образец отсутствует, поскольку он давно утилизирован. И ставится задача "научить" систему такой инцидент фиксировать по описанию. Для ситуационной аналитики, которая построена на основе прецедентов, обучения на примерах, данная задача попросту невыполнима.

Ситуационная аналитика работает на объектах фиксированных размеров. Рост людей меняется в довольно узких пределах. Нет каких-то мельчайших деталей. На производстве же диапазон размеров широкий, от микрон до десятков метров. Хотя, надо отметить, что нейронные сети до сих пор не очень хорошо справляются с фиксацией малых объектов на фоне чего-то более крупного. В итоге аналитику на основе нейросетей приходится дополнять с помощью алгоритмов. И именно такой гибридный подход – нейронные сети плюс алгоритмы – в "ВидеоМатрикс" практикуем для наилучшего результата работы системы (до 99,9%).

Что дает использование оборудования, которое работает в невидимой части спектра?

- Оборудование, работающее в инфракрасном диапазоне, известно наиболее широко. С его помощью легко увидеть объекты, чей тепловой фон отличается, например, людей, в темное время суток. Также инфракрасное оборудование помогало определять людей с повышенной температурой, что оказалось важно в период пандемии. Есть и производственные применения, например, для обнаружения дефектов теплоизоляции разных объектов, будь то здания или промышленные установки.

Ультрафиолетовое излучение широко применяется для выявления дефектов на овощах, фруктах и других пищевых продуктах, будь то начальные признаки гнилостных процессов или поражения плесенью. Причем это заметно даже на самых ранних стадиях. Ультразвук, а он также используется в сигнальной аналитике, незаменим при дефектоскопии.

Мы успешно применяем и лазерное излучение, причем как для контроля статичных, так и двигающихся объектов. Именно так можно контролировать целый ряд параметров изделия с очень высокой точностью, причем на расстоянии. При использовании оборудования в видимом спектре такие задачи можно успешно решить далеко не всегда.

Сейчас агросектор активно внедряет цифровые технологии. Для каких задач там можно применять видеоаналитику?

- Да, долгое время в сфере АПК уровень применения технологий видеоаналитики был минимальным. Эта отрасль действительно крайне консервативна. Но последние лет пять ситуация кардинально меняется, и процесс внедрения различных цифровых технологий резко ускорился, в том числе и средств машинного зрения.

К примеру, наши технологии используются для инвентаризации и мониторинга состояния животных. Так, необходимо вовремя выявлять больных и принимать меры. При решении данной задачи традиционным способом нужен большой штат ветеринаров, которого нет. Плюс ко всему, люди тоже могут ошибаться. Квалификация бывает не всегда достаточной. А видеоаналитика способна быстро выявить проблемное животное и купировать возможную эпизоотию в зародыше. Еще в животноводстве видеоаналитику можно использовать для таких задач, как учет или неинвазивное взвешивание.

Что касается растениеводства, то тут также весьма широкий перечень возможных применений. Видеоаналитика позволяет выявлять появление болезней, вредителей, сорняков и, соответственно, вовремя принять меры. Востребована также задача контроля качества продукции, и она успешно решается с помощью средств видеоаналитики. При этом система намного реже, чем люди ошибается при принятии решения о том, отправлять продукцию на хранение или на дальнейшую переработку. А тут цена ошибки очень велика: если пропустить продукцию, пораженную гнилями или болезнями, то можно потерять весомую часть урожая.

Также для АПК характерна проблема злоупотреблений со стороны персонала. Людей нужно контролировать, причем контроль этот должен быть непредвзятым. Плюс люди, опять же, часто ошибаются. Важно и то, что с камерой невозможно договориться, у них нет родственных и прочих связей. Так что технические решения более надежны, причем во всех смыслах. А практически все возможные нарушения со стороны персонала системы аналитики могут легко фиксировать.

Агрокомплекс сейчас в авангарде внедрения беспилотной техники. На обычные дороги беспилотные автомобили боятся выпускать, так как остается много нерешенных проблем, но в поле такой проблемы не существует. Нет пешеходов, нет большого потока, скорости движения небольшие, соответственно, возможные риски минимальны. При этом реальный эффект есть. К примеру, использование беспилотных комбайнов позволяет заметно поднять скорость уборки урожая за счет того, что техника не нуждается в отдыхе и будет работать до тех пор, пока есть топливо. Использование данных с камер позволяет оптимизировать процесс за счет более точного выстраивания маршрутов. Исключены и пропуски каких-то участков, что снижает потери продукции.

Сложностью при реализации проектов в сфере АПК является большой размер угодий. Тут единственно возможным способом охватить всю территорию является размещение камер на беспилотниках-дронах. Для задач долгосрочной аналитики применяются и данные космической съемки - мы также практикуем дешифрацию таких снимков. Тут большое поле деятельности, но и потенциальный эффект тоже велик.

Насколько перспективно использование видеоаналитики для управления беспилотным карьерным транспортом?

- Да, тут тоже очень большие перспективы. Впереди китайские компании, которые добились заметных успехов. Но и мы не отстаем. При этом главный эффект от внедрения связан с повышением безопасности. Когда на карьерах или рудниках нет людей, нарушения техники безопасности будут отсутствовать. А каждое нарушение – это огромные штрафы и компенсации пострадавшим. При этом, как и в случае сельхозтехники, на добывающих предприятиях отсутствуют регуляторные препятствия.

Наши продукты тут могут решать целый комплекс задач, начиная с оценки состава породы. Также можно контролировать качество погрузки, в частности уровень заполнения кузовов автомобилей и вагонов. Для автотранспорта мы сможем предложить пути оптимизации маршрутов. Если речь идет о транспортерах, то мы будем видеть состав породы, которая идет по ленте и состояние механизмов. Так решается задача контроля как качества сырья, так и исправности оборудования. Наши решения могут при необходимости скорректировать как работу автопилотов, так и давать управляющие воздействия для остановки работы конвейера при одновременном информировании операторов.