Automatyczny nadzór nad stosowaniem środków ochrony indywidualnej
Przepisy dotyczące bezpieczeństwa w miejscu pracy, w tym wymogi normy ISO 45001 w zakresie zarządzania bezpieczeństwem i higieną pracy, nakładają na producentów obowiązek utrzymywania stałego i weryfikowalnego nadzoru nad stosowaniem ŚOI. W praktyce jest to jednak rzadko osiągalne. Kierownicy ds. bezpieczeństwa nie są w stanie monitorować obrazu ze wszystkich kamer jednocześnie, naruszenia pozostają nieodnotowane, a w przypadku wystąpienia incydentu dowody niezbędne do formalnego raportowania są często niekompletne lub w ogóle niedostępne.
W przeciwieństwie do tradycyjnego procesu tworzenia oprogramowania, wiele komponentów tego projektu nie posiadało gotowych, rynkowych rozwiązań. Każda decyzja architektoniczna wymagała przeprowadzenia badań, przygotowania prototypów oraz i dokładnej weryfikacji.
Przekształć istniejące kamer w system kontroli bezpieczeństwa
Nasze podejście było z założenia proste: najpierw zrozumieć środowisko operacyjne, a następnie zbudować wokół niego odpowiednie rozwiązanie. W praktyce oznaczało to jednak miesiące skrupulatnych prac inżynieryjnych, optymalizacji i równoważenia precyzji detekcji, szybkości wnioskowania oraz kosztów infrastruktury, aby dostarczyć system, na którym zespoły ds. bezpieczeństwa mogą polegać.
Doprecyzowaliśmy techniczne założenia projektu, przekładając rzeczywiste potrzeby w zakresie bezpieczeństwa w miejscu pracy w konkretną specyfikację techniczną i jasne kryteria akceptacji.
Nasz zespół wybrał i doszkolił model AI, przeanalizował infrastrukturę GPU oraz konfigurację środowiska uruchomieniowego, dokładnie ważąc kompromisy między kosztami, szybkością działania a jakością detekcji.
Przeprowadziliśmy testy wydajnościowe i wdrożyliśmy optymalizacje, aby zmaksymalizować przepustowość przetwarzania klatek i zmniejszyć opóźnienia.
W ciągu kilku miesięcy stworzyliśmy kompletne rozwiązanie, od backendu akcelerowanego przez GPU, aż po responsywny interfejs, integrując przy tym wszystkie kluczowe funkcje monitorowania i raportowania.
Wdrożyliśmy aplikację na środowisko produkcyjne, zapewniając stabilność operacyjną, bezpieczeństwo ruchu sieciowego dzięki Cloudflare oraz niezawodne działanie w rzeczywistych warunkach przemysłowych.
Doprecyzowaliśmy techniczne założenia projektu, przekładając rzeczywiste potrzeby w zakresie bezpieczeństwa w miejscu pracy w konkretną specyfikację techniczną i jasne kryteria akceptacji.
Nasz zespół wybrał i doszkolił model AI, przeanalizował infrastrukturę GPU oraz konfigurację środowiska uruchomieniowego, dokładnie ważąc kompromisy między kosztami, szybkością działania a jakością detekcji.
W ciągu kilku miesięcy stworzyliśmy kompletne rozwiązanie, od backendu akcelerowanego przez GPU, aż po responsywny interfejs, integrując przy tym wszystkie kluczowe funkcje monitorowania i raportowania.
Przeprowadziliśmy testy wydajnościowe i wdrożyliśmy optymalizacje, aby zmaksymalizować przepustowość przetwarzania klatek i zmniejszyć opóźnienia.
Wdrożyliśmy aplikację na środowisko produkcyjne, zapewniając stabilność operacyjną, bezpieczeństwo ruchu sieciowego dzięki Cloudflare oraz niezawodne działanie w rzeczywistych warunkach przemysłowych.
Monitorowanie w czasie rzeczywistym
System na bieżąco analizuje obraz z kamer przemysłowych, błyskawicznie wykrywając naruszenia w zakresie ŚOI, takie jak brak kasku u pracownika. Każdy taki incydent jest natychmiast wyświetlany na głównym panelu aplikacji wraz ze zdjęciem potwierdzającym zdarzenie.
Szczegółowy podgląd naruszeń
Każde zdarzenie można przeanalizować w całości, uwzględniając typ naruszenia, nazwę kamery, datę, czas trwania oraz powiązany zapis z kamery.
Panel analityczny
Liczba naruszeń, zarówno zbiorcza, jak i w ujęciu czasowym, wraz z metrykami czasu trwania, jest prezentowana za pomocą intuicyjnych wizualizacji trendów. Dostarcza to zespołom ds. bezpieczeństwa użytecznych wniosków na temat powtarzających się wzorców ryzyka oraz postępów w czasie
Safety Guard AI dowodzi, że przemysłowa analityka wideo nie wymaga wymiany istniejącej infrastruktury, lecz ją wzbogaca. Uruchamiając nasz dedykowany model detekcji w chmurze obliczeniowej GPU i zamykając go w przejrzystym interfejsie aplikacji, stworzyliśmy narzędzie, dzięki któremu automatyczna inspekcja wizyjna i nadzór nad noszeniem ŚOI stają się proste i opłacalne dla każdego zakładu produkcyjnego.
na kamerę zapewnia płynna i precyzyjną analizę
przetwarzanych jednocześnie na pojedynczej instancji GPU
dokładność detekcji osiągnięta przez dostrojony model RF-DETR
czas inferencji dla jednego obrazu
na kamerę zapewnia płynna i precyzyjną analizę
czas inferencji dla jednego obrazu
przetwarzanych jednocześnie na pojedynczej instancji GPU
dokładność detekcji osiągnięta przez dostrojony model RF-DETR
W Codya stawiamy na bliską współpracę. Zapewniamy ekspercką wiedzę, wsparcie i relację budowaną na wzajemnym zaufaniu.
