نقش هوش مصنوعی در نجات کارگر زمین خورده
الگوریتمهای تشخیص سقوط با آنالیز زاویه بدن و سرعت تغییر وضعیت، ظرف کمتر از ۱ ثانیه سقوط را تشخیص داده و هشدار اورژانسی صادر میکنند.
سقوط کارگر از ارتفاع یا روی سطوح لغزنده یکی از علل اصلی مرگ و میر در صنعت است. در هر ثانیه تأخیر در اعلام کمک، شانس زنده ماندن کاهش مییابد. الگوریتمهای تشخیص سقوط (Fall Detection) با آنالیز زاویه بدن، سرعت تغییر وضعیت و الگوی حرکتی، ظرف کمتر از ۱ ثانیه سقوط را از نشستن عادی یا خم شدن تشخیص میدهند و هشدار اورژانسی صادر میکنند [۱].
این سیستم از ترکیب دو روش استفاده میکند: روش اول مبتنی بر شکلبدن (Pose Estimation) است که ۱۷ نقطه کلیدی (شانه، آرنج، زانو، مچ پا) را ردیابی میکند. سقوط زمانی اعلام میشود که مرکز ثقل ناگهان افت کند و زاویه تنه نسبت به زمین به کمتر از ۳۰ درجه برسد همراه با سرعت بالای تغییر وضعیت. روش دوم مبتنی بر تغییر ناگهانی ناحیه محصور (Bounding Box) کارگر است و در سقوط، نسبت عرض به ارتفاع معکوس میشود. ترکیب دو روش دقت را به بالای ۹۸٪ میرساند [۲].
جدول مقایسه دقت در شرایط مختلف:
| شرایط | دقت حسگر پوشیدنی | دقت دوربین AI |
|---|---|---|
| سقوط از پله | ۹۲٪ | ۹۷٪ |
| سقوط از نردبان | ۸۵٪ (سیگنال ضعیف) | ۹۶٪ |
| غش کردن (افت فشار) | ۹۰٪ | ۹۸.۵٪ |
| نشستن سریع روی صندلی | ۸۵٪ (تشخیص صحیح) | ۹۴٪ (تشخیص صحیح) |
| زمان پاسخ تا هشدار | ۰.۸ ثانیه | ۰.۴ ثانیه |
در انبارهای شرکتهای بزرگ لجستیکی مانند آمازون، نصب سامانههای تشخیص سقوط مبتنی بر دوربین باعث کاهش قابلتوجه زمان پاسخ تیمهای امدادی (EMS) شده است [۳]. شرکتهای نفت و گاز بزرگ مانند پتروناس مالزی نیز با نصب این سامانهها در سکوها و مناطق عملیاتی، توانستهاند حوادث سقوط از ارتفاع را در لحظه شناسایی و عملیات نجات را بلافاصله آغاز کنند [۴]. همچنین در کارخانههای سیمان که گرد و غبار زیاد است، حسگرهای پوشیدنی کارایی محدودی دارند اما دوربینهای ضدغبار با AI به خوبی عمل میکنند.
ارزش بازار جهانی تشخیص سقوط مبتنی بر بینایی ماشین تا ۲۰۲۸ به ۸۵۰ میلیون دلار میرسد [۵]. الگوریتمهای جدید قادر به تشخیص «سقوط با مانع» (مثل گیر کردن دست در دستگاه) نیز هستند. یکپارچگی با سیستم اعلام حریق و قفل شدن خودکار ماشینآلات مجاور پس از تشخیص سقوط، نسل بعدی این فناوری را شکل میدهد [۶].
منابع:
[۱] Mubashir, M. et al. (2013). "A Survey on Fall Detection: Principles and Approaches." Neurocomputing, 100.
[۲] Chen, Y. et al. (2021). "Vision-Based Fall Detection in Industrial Environments Using Pose Estimation and Bounding Box Analysis." IEEE Access, 9.
[۳] Amazon Science (2022). "Improving Warehouse Safety with Computer Vision."
[۴] Petronas (2022). "HSE Innovation Report: AI-Driven Safety Monitoring at Offshore Platforms."
[۵] Allied Market Research (2023). "Vision-Based Fall Detection Market – Global Forecast to 2028."
[۶] OSHA (2021). "Emerging Technologies for Workplace Fall Prevention and Response."
[۷] American College of Surgeons (2018). "The Golden Hour: Time to Definitive Care and Survival Outcomes in Trauma."
تصاویر مرتبط
برچسبها
همین قابلیتها را روی دوربین خودتان داشته باشید
دوربینهای امنیتی هوشمند ویونکس با همین تحلیلهای هوش مصنوعی، هشدار لحظهای در اپلیکیشن و تلگرام و یک سال اشتراک سرویس ارائه میشوند.
برای ثبت نظر لطفاً وارد شوید
هنوز نظری ثبت نشده است