Автоматизация контроля СИЗ и требований охраны труда с помощью машинного зрения

Задача

Московская верфь — судостроительное предприятие в Нагатинском Затоне Москвы. Завод открылся в ноябре 2025 года. Его производственные площади занимают 23 тыс. кв. м.

О проекте

Московская верфь — судостроительное предприятие в Нагатинском Затоне Москвы. Завод открылся в ноябре 2025 года. Его производственные площади занимают 23 тыс. кв. м, строительство судов ведётся по полному циклу.

Для автоматизации контроля за соблюдением требований охраны труда предприятие внедрило ML Sense. Платформа анализирует видеопотоки с 40 существующих камер и выявляет нарушения при использовании средств индивидуальной защиты (СИЗ), искры при сварке и работе с углошлифовальными машинами, отсутствие страховочных привязей и курение в неположенных местах.

О платформе ML Sense

ML Sense — российская платформа машинного зрения для автоматизации производственных задач. Она анализирует видеопотоки, распознаёт объекты и события, выявляет отклонения от заданных требований и передаёт информацию ответственным сотрудникам либо выполняет управляющее воздействие на оборудование. Платформу можно адаптировать под специфику предприятия и использовать для разных задач: от контроля СИЗ до обнаружения дефектов продукции и мониторинга производственных процессов.

Задача

На Московской верфи нужно контролировать соблюдение требований охраны труда на разных производственных участках. В зависимости от выполняемых работ сотрудники должны использовать соответствующие средства индивидуальной защиты: спецодежду, защитные очки, лицевые щитки, сварочные маски и страховочные привязи. Особого внимания требуют сварочные и шлифовальные работы, а также работы на высоте.

До внедрения ML Sense специалисты службы охраны труда проверяли соблюдение требований во время обходов. Такой контроль не охватывал все участки непрерывно: между проверками нарушения могли оставаться незамеченными.

Nord Clan предстояло автоматизировать первичное выявление нарушений с помощью машинного зрения. Система должна распознавать отсутствие необходимой экипировки и другие события, сохранять подтверждающие изображения и передавать информацию ответственным сотрудникам.

Решение требовалось внедрить на базе существующей инфраструктуры видеонаблюдения — 40 камер, установленных в цехах, помещениях и на открытых площадках. Увеличивать их количество не планировалось.

Решение

Мы внедрили ML Sense и адаптировали алгоритмы компьютерного зрения к условиям Московской верфи. Платформа подключена к 40 камерам и настроена на распознавание 10 видов защитной экипировки, обнаружение искр, контроль страховочных привязей и выявление курения.

Распознавание СИЗ с учётом положения человека в кадре

Алгоритм сначала обнаруживает человека и определяет положение его частей тела. Затем проверяет, есть ли на них соответствующие средства защиты. При этом система учитывает, какие части тела видны на изображении: проверяет наличие СИЗ только там, где их можно оценить по видеопотоку.

Это особенно важно при работе с камерами общего видеонаблюдения. Человек может находиться далеко от камеры, частично скрываться за оборудованием или другими работниками. Из-за ракурса и расстояния отдельные части тела и элементы экипировки могут быть плохо различимы.

Если часть тела закрыта препятствием или находится за границами кадра, система не считает отсутствие соответствующего СИЗ нарушением. Например, если лицо не видно, алгоритм не регистрирует отсутствие защитных очков. Так система не принимает недостаток информации на изображении за нарушение требований охраны труда.

Отдельно мы настроили распознавание конкретных образцов спецодежды, утверждённых на Московской верфи. Алгоритм проверяет не просто наличие защитной одежды, а её соответствие установленным на предприятии вариантам.

Подготовка данных для обучения

Обычные камеры видеонаблюдения не предназначены для детального распознавания средств индивидуальной защиты. Человек может находиться далеко от объектива, а очки, щиток или другие элементы экипировки занимают небольшую часть изображения. Оборудование и другие работники могут частично закрывать человека, а ракурс камеры — затруднять распознавание отдельных элементов.

Поэтому для обучения алгоритмов мы подготовили выборку из 4250 изображений, отражающих реальные условия съёмки на предприятии. На каждом изображении разметили людей и средства индивидуальной защиты, обозначили границы объектов. В одном изображении могло присутствовать до пяти видов экипировки.

Обнаружение искр при сварке и работе с УШМ

Для контроля сварочных и шлифовальных работ мы разработали алгоритм, который обнаруживает искры в видеопотоке и использует их как признак выполнения работ, требующих дополнительной защиты лица. Распознавание проходит в два этапа: сначала система находит искры в кадре, затем проверяет, есть ли у работника соответствующая экипировка — сварочная маска или защитный лицевой щиток.

Таким образом, ML Sense учитывает характер выполняемых работ и проверяет наличие именно тех средств защиты, которые необходимы в конкретной ситуации.

Контроль страховочных привязей при высотных работах

На верфи расположение лесов и рабочих зон меняется в зависимости от производственных задач. Поэтому зоны контроля нельзя жёстко привязать к одному участку изображения.

В ML Sense администратор может самостоятельно задавать области детекции непосредственно на изображении с камеры. Для одного видеопотока можно настроить несколько зон и отдельно контролировать использование страховочных привязей в каждой из них. При изменении расположения рабочих мест зоны можно перенастроить через интерфейс системы.

Выявление курения в неположенных местах

Определить курение по одному визуальному признаку сложно. Человек может подносить руку к лицу и по другим причинам, а сигарета или электронное устройство не всегда хорошо видны на камере. Поэтому ML Sense анализирует несколько признаков одновременно: положение руки относительно лица, наличие сигареты или электронного устройства и появление дыма. Их сочетание помогает точнее определить ситуацию и снизить риск ложных срабатываний.

Отдельная сложность — распознавание дыма: он постоянно меняет форму и не имеет чётких границ. В холодное время года пар дыхания может быть похож на дым и вызывать ложные срабатывания. Поэтому в настройках предусмотрена возможность отключить контроль курения сразу на всех камерах, например на зимний период.

Регистрация событий и интерфейс оператора

При обнаружении нарушения ML Sense сохраняет снимок и отправляет ответственным сотрудникам email-уведомление. В нём указаны дата и время события, номер камеры и сведения об отсутствующих средствах защиты.

Для работы с видеопотоками предусмотрены два экрана по 20 камер. Оператор может выбрать нужную камеру, открыть изображение на весь экран, просматривать зарегистрированные события и обращаться к архиву.

В системе разграничены две роли:

• Оператор просматривает видеопотоки и зарегистрированные события.
• Администратор настраивает систему, выбирает виды СИЗ для контроля на конкретных камерах и задаёт зоны детекции.

Для ограничения повторных уведомлений обнаруженному человеку присваивается временный технический ID. После регистрации нарушения система на заданное время прекращает фиксацию аналогичных событий для этого ID. Это сокращает количество повторных сообщений об одном эпизоде.

Результат

Московская верфь получила дополнительный инструмент контроля за соблюдением требований охраны труда. Автоматизация охватила несколько направлений работы предприятия.

1. Трудовая дисциплина. Непрерывный контроль использования СИЗ повышает ответственность сотрудников за соблюдение требований охраны труда. Система фиксирует нарушения и передаёт информацию ответственным специалистам, даже если в этот момент они не проводят обход на конкретном участке.
2. Снижение нагрузки на службу охраны труда. Система дополняет традиционные обходы и берёт на себя первичное выявление нарушений. Специалисты могут уделять больше внимания разбору поступивших событий, выяснению причин и профилактической работе.
3. Непрерывный мониторинг производства. Автоматизированный контроль охватывает 40 камер в цехах, помещениях и на открытых площадках. В отличие от обходов, он не ограничен временем присутствия специалиста на конкретном участке.
4. Профилактика производственного травматизма. Отсутствие СИЗ и нарушения требований при выполнении работ с повышенными рисками могут привести к опасным ситуациям. Своевременная информация о таких событиях помогает специалистам быстрее реагировать и принимать меры, чтобы не допустить повторения нарушений.

Перейти на сайт