应用机器学习来保护员工安全和拯救生命

无论是在工厂车间，建筑工地还是在仓​​库，事故一直是整个行业的持续因素，有时甚至是致命因素。加上大流行，自然灾害的发生率和强度不断增加，员工和公民的安全变得更加复杂。

总部位于澳大利亚的Bigmate是一家致力于增强工作场所安全的计算机视觉公司，它正在使用机器学习来减少工作场所事故，帮助公司发现潜在病员工到现场，并帮助组织进行自然灾害的运营管理。

Bigmate的风险管理和计算机视觉专业知识，以及他们在资产管理方面的长期经验相结合，都拥有对高级AWS服务的深入了解，从而最大程度地提高了运营周转率。

“组织深切关注安全性，并正在寻找AI和ML可以带来什么，这不是出于技术的考虑，而是通过具有明显优势的有针对性的应用帮助提高工作场所的安全性。”Bigmate总经理Brett Orr说。“我们工程师的超级能力是使用计算机视觉来识别不安全的情况，并将该信息与现有传感器和新传感器配对，以了解事物在哪里，他们在做什么，以及他们是否应按要求工作。”

高度减少事故

与工作相关的伤害给经济造成了618亿美元的成本，由组织和工人自己承担，这对双方都极具挑战性。Orr说，其中许多伤害发生在工厂车间，占所有与工作相关的伤害的比例过高。

他说：“ 70%的工作场所受伤或死亡是由于重型车辆与人之间不必要的互动而发生的。”“在这70%中，超过30%是叉车与人之间不必要的互动。”

组织已经加强了他们的职业健康与安全活动，以使员工更加意识到工作场所的危险，并改善了安全措施，这确实有所帮助，但事故仍然可能发生。

Bigmate开发了Warny，以增强工作场所的安全性并减少此类事故。Warny生态系统由三个核心应用程序组成：避免车辆碰撞，安全区域警报以及工厂车间人员和工业系统的热分析。

该解决方案经过多年开发，是内部构建的，同时使用边缘硬件来实现本地性能和隐私以及云中的AWS服务。Warny利用了许多关键的AWS服务，例如IoT，Greengrass和Sagemaker。

Warny使用复杂的计算机视觉算法来保护在叉车，卡车或制造机械等危险机器附近工作的人。它可以检测到材料自燃，设备过热以及工作场所发生火灾的情况，并实时分析，报告并警告机器操作员有关意外事件的信息，例如人员处于不安全的区域，即使不在操作员视线范围内。

在安装初期，新加坡的一家工厂发生的事故减少了22%，这是完全安装后的印象。从总体上看，Bigmate的客户工作环境中的事件平均减少了80%。

使用基于边缘的软件和基于云的服务，数据从IoT传感器流传输到平台，该平台分析图像和对象检测数据。Orr说，他们创建了一个神经网络，可以识别接近100%的设备和人员。

解决方案的重要部分是能够在标准CCTV摄像机上创建景深。利用这些深度信息，他们可以确定位置，物体之间的距离和速度，从而开始审核环境，了解人员和叉车的运动。

使用从深度，位置，时间和距离计算出的轨迹数据，机器学习算法可以近乎实时地预测物体的路径。如果即将发生冲突，由于AWS IoT Greengrass，该平台将警报发送到员工的可穿戴设备，而延迟只有几毫秒。然后，将数据收集在仪表板中，以使组织能够分析其工作场所安全实践。

使用AWS服务，Bigmate可以在一个小的核心开发团队的帮助下，在短短9个月的时间内开发平台，总体上将开发资源减少了15-20%。

“对于我们来说，与AWS的合作关系不仅重要。对于我们的工作至关重要。”奥尔说。“ AWS使我们能够无限快速地进行扩展，这使我们能够灵活地将应用程序变成一角钱，并且能够与AWS发送的产品中固有的行业最佳实践一起工作。”

安全返回工作岗位

在大流行中，重返工作和保持安全之间的选择尤其具有挑战性。现在，诸如口罩和社会隔离政策以及温度检查之类的安全措施使企业可以重新打开大门并保持员工健康。

但是，手动温度筛查可能会对生产率造成打击，从而导致进出口出现瓶颈，并且无法抓住白天开始生病的员工。

Bigmate的预筛查解决方案Thermy使用热成像解决了这些问题，该成像可以立即实时，大规模地实时检测人员的体温升高，每秒扫描30人，每分钟扫描500-600人，并且每秒进行8.3扫描，验证其读数。

它可以部署在组织中的任何位置-在建筑物或工厂车间的入口，自助餐厅，休息室，洗手间以及员工在一天中移动的其他任何地方。

该解决方案基于Warny平台和技术，结合了热像仪和具有机器学习功能的高级分析功能，可通过AWS托管的仪表板提供实时信息，以进行远程查看和趋势分析。

其他散热解决方案仅捕获皮肤温度，而不能准确诊断核心体温。Bigmate的平台可以计算人的核心体温的真实表示。它首先使用计算机视觉技术以及来自热像仪和光学相机的数据来隔离对象的头部，以捕获皮肤温度，即使对象有胡须，眼镜，安全帽或其他功能。然后，机器学习算法可以计算核心体温的表示，以确定受试者是否患有体温。

该产品最初旨在帮助阻止在整个组织中传播的流感和其他高度传染性疾病。大流行发生时，Bigmate能够将解决方案立即部署到有关组织，以确保其员工免受COVID-19的伤害。

Orr说：“在拥有50%或60%阳性率的组织中，它有助于减少扩散和热点。”“这意味着企业可以继续经营。”

使用ML缓解自然灾害

Bigmate还利用其计算机视觉和热检测技术来帮助州和联邦政府组织实时检测自然灾害，从洪水到海啸再到森林火灾。

他们使用坐在固定翼飞机和直升机上的高科技相机拍摄的影像来捕获数据，例如纬度，经度，时间以及灾难离地标的距离。该技术还可以计算有关斩波器的高度，速度和摄像机焦点的信息，以准确地了解事故发生的地理位置。

他们将实时元数据发送给气象局，以考虑天气数据，例如风切变，风向，雨天等。该数据与人口和位置数据合并。

这为响应灾难的安全和环保组织提供了他们需要的信息，以便在安全和有效地挽救生命和财产的地方部署资源，以挽救生命和财产，无论是扑灭大火，清理营地，为情况恶化做准备等等。

机器学习和计算机视觉的社会承诺

机器学习的前景超越了业务挑战-此类解决方案证明了技术可能对社会产生的影响，解决健康，环境和安全问题，这些问题以前在没有AI，机器学习和新创新的帮助下就很难解决。

Orr说，在Bigmate，他们所做的工作每天都在改变。他们已经实现了一些重要的里程碑，从其机器学习算法可以防止的事故数量到其计算机视觉技术帮助减少的疾病爆发数量，到帮助紧急服务得以挽救的生命。

“很多时候，您无法回头看看所完成的工作对人们，他们的生活和家庭产生了直接影响，但是我们有能力将我们的经验和技术用于人们安全回家。”奥尔说。“那是很大的一个。”