Видеоаналитика может принести пользу всевозможным вертикалям, включая производство. Независимо от того, развернута ли она на камере видеонаблюдения или на сервере, видеоаналитика может чрезвычайно помочь предприятиям.
Видеонаблюдение стало частью тенденции промышленного Интернета вещей. IP камеры видеонаблюдения могут помочь обнаружить определенные отклонения (например, работающие на холостом ходу машины или работников без защитного снаряжения). Затем это помогает повысить безопасность, надежность и продуктивность производственного объекта. Во многом эта хитрость связана с видеоаналитикой. Такое интеллектуальное ПО для видеонаблюдения можно развернуть на сервере или видеокамере, которые теперь наделены большей вычислительной мощностью для поддержки расширенной аналитики. Новые возможности интеллектуальных камер стали реальны благодаря увеличению вычислительной мощности, доступной на камерах видеонаблюдения, что по сути превращает их в мультисенсоры Интернета вещей, способные анализировать данные непосредственно на устройстве.
Как видеоаналитика может помочь?
Итак, как видеоаналитика может помочь в работе фабрики? По сути, программное обеспечение для видеоаналитики может играть важную роль в трех областях. Они обсуждаются ниже.
Операционная и управленческая производительность. Видеоаналитика может повысить продуктивность операций и управления, что повышает производительность, сокращает время простоя и обеспечивает безопасность персонала на производственном предприятии. Интеллектуальные уличные и внутренние камеры, оснащенные приложениями бизнес-аналитики, могут сократить время простоя за счет прогнозирования возможных перебоев или производственных заторов и оповещения сотрудников в режиме текущего времени, позволяя им немедленно принимать меры. Эти же камеры могут быть оснащены приложениями, которые анализируют общий производственный поток для оценки конкретных узких мест или задержек в производственном цехе. Персонал предприятия также может использовать эту информацию для оптимизации компоновки производственного объекта путем анализа потенциальных препятствий, которые могут помешать продуктивному производству.
Управление запасами. В период роста экспортных заказов и повышения продуктивности, производители уделяют больше внимания управлению запасами, которое также можно улучшить с помощью видеоаналитики. Ежедневно производится, упаковывается и отгружается больше товаров, чем когда-либо прежде, и чем выше выпуск, тем сложнее становится мониторинг и контроль качества. Интеллектуальные комплекты видеонаблюдения, оснащенные приложениями для видеоаналитики, используются для управления большими запасами на складских объектах, а в тех случаях, когда камеры не установлены на постоянной основе в зданиях, они могут быть размещены на беспилотных летательных аппаратах, которые перемещаются автономно через инвентарь и собирают данные путем сканирования штрих-кодов. Когда товары и коробки разных размеров необходимо хранить с максимальной бережностью, аналитика может помочь распознать входящие и исходящие предметы в режиме текущего времени в соответствии с размером и форматом, что позволяет подборщикам сортировать их надлежащим образом. В конечном итоге это оптимизирует хранение и использования пространства.
Обнаружение дефектов. Это связано с машинным зрением, благодаря которому аналитические механизмы на основе Deep learning, обученные с помощью тысяч изображений, могут помочь в выявлении дефектов. Это весомое улучшение по сравнению с человеческим осмотром и может помочь производителям повысить урожайность и контроль качества. Сродни человеческому мозгу, который использует нейроны для обучения, искусственные нейронные сети используются для анализа изображений в производственных условиях. Например, нейросетевой анализ можно использовать для определения того, что коробка на производственной линии была слегка повреждена или не была должным образом упакована.
Edge против сервера
Есть несколько преимуществ размещения видеоаналитики в камере видеонаблюдения, которая, как уже упоминалось, теперь имеет все больше вычислительной мощности. Благодаря недавнему увеличению вычислительной мощности на периферии, камеры могут анализировать видеоматериалы непосредственно на устройстве, не передавая их в ПО для видеонаблюдения. Это исключает хранение нерелевантных видеозаписей и увеличивает конфиденциальность, поскольку с устройства будет передаваться только соответствующее видео. Например, если интеллектуальная внутренняя или уличная камера отслеживает производственный объект на предмет предполагаемых взломов и фиксирует несанкционированный доступ человека в нерабочее время, это событие будет отправлено сотрудникам службы безопасности для дальнейших действий. Все другие данные видеонаблюдения за входом и выходом сотрудников и посетителей в течение дня сохраняться не будут. Это не только увеличивает конфиденциальность, но и требует меньшей пропускной способности.
Тем не менее, есть случаи, когда размещение видеоаналитики на сервере работает лучше. Тогда ключ кроется в собственной среде пользователя и сценарии использования. Есть применения, в которых видео, обрабатываемое на периферии, считается действенным подходом; а есть другие применения, в которых видео, обрабатываемое на серверах, работает лучше всего. Практическое правило состоит в том, что алгоритм будет более надежным, когда будет запущен на сервере, а не на видеокамере. Например, если для системы видеонаблюдения нужны более требовательные приложения, которые должны быть точными и производительными, то серверный вариант будет лучшим подходом. Однако, если пользователю нужна масштабируемость, лучше всего подойдет периферийный вариант. Предусматривается также третий вариант, и это гибридный подход, при котором можно использовать надежные алгоритмы для нескольких IP камер видеонаблюдения из 30, а затем полагаться на то, что видео обрабатывается на периферии для остальных видеокамер.
Читайте другие интересные статьи о системах безопасности:
Уравновешивание стоимости и общих расходов городского видеонаблюдения
