Ein intelligentes System zur Erkennung von persönlicher Schutzausrüstung in industriellen Umgebungen, basierend auf Deep Learning am Edge

Die Echtzeit-Objekterkennung wird derzeit genutzt, um verschiedene Aufgaben in industriellen Umgebungen zu automatisieren. Eine der wichtigsten Aufgaben besteht darin, die Sicherheit der Arbeiter zu verbessern, indem die korrekte Verwendung von persönlicher Schutzausrüstung (PSA) in gefährlichen Bereichen überwacht wird. In diesem Kontext analysiert in der Regel ein Überwachungssystem den Stream von Überwachungskameras, um die Nutzung von PSA in Echtzeit zu bewerten. Wenn ein Arbeiter ohne die geeignete PSA erkannt wird, wird automatisch ein akustischer oder visueller Alarm ausgelöst, um Aufmerksamkeit und Bewusstsein zu schaffen. Die bisher vorgeschlagenen Lösungen sind größtenteils cloudbasierte Systeme: Bilder vom Standort werden kontinuierlich in die Cloud zur Analyse ausgelagert. Diese zentralisierte Architektur erfordert erhebliche Netzwerkbandbreite zur Übertragung der Videoübertragungen über eine Internetverbindung, die zuverlässig sein muss, da ein Netzwerkausfall den Dienst stören würde. In dieser Arbeit schlagen wir ein System zur Echtzeit-PSA-Erkennung basierend auf Video-Streaming-Analyse und Deep Neural Network (DNN) vor. Wir übernehmen das Edge-Computing-Modell, bei dem die Anwendung zur Bildanalyse und Klassifizierung auf einem eingebetteten System bereitgestellt wird, das in der Nähe der Kamera installiert und direkt mit ihr verbunden ist. Das System erfordert keine kontinuierliche Bildübertragung zu einem Cloud-System, was Bandbreiteneffizienz, Zuverlässigkeit und die Privatsphäre der Arbeiter gewährleistet. Ein Prototyp des vorgeschlagenen Systems wurde mit einem kostengünstigen kommerziellen eingebetteten System, d.h. einem Raspberry PI, ausgestattet mit einem Intel Neural Compute Stick 2, entwickelt. Wir haben das System mit fünf verschiedenen vortrainierten Convolutional Neural Networks (CNNs) getestet, die angepasst wurden, um verschiedene PSA zu erkennen, nämlich Helme, Westen und Handschuhe. In unserer experimentellen Bewertung haben wir zunächst die fünf CNNs hinsichtlich der Klassifikationsleistung und der Inferenzlatenz verglichen. Anschließend haben wir jedes CNN im realen System bereitgestellt und den Durchsatz des Systems in Bezug auf die Anzahl der pro Sekunde analysierten Videoframes bewertet.