Бобкова Е.И.
МОНИТОРИНГ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ ОПАСНОСТЕЙ ДЛЯ БЕЗОПАСНОСТИ РАБОТ НА ВЫСОТЕ НА СТРОИТЕЛЬНЫХ ПЛОЩАДКАХ С ИСПОЛЬЗОВАНИЕМ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ *
Аннотация:
в рамках этого исследования была рассмотрена новая система, объединяющая глубокое обучение и беспилотные летательные аппараты для мониторинга рабочих в режиме реального времени при выполнении работ на высоте.
Ключевые слова:
работы на высоте, беспилотник, охрана труда, безопасность
Первоначально беспилотные летательные аппараты (БПЛА) или беспилотные летательные аппараты-дронов создавались для военных целей. Сегодня беспилотные летательные аппараты нашли множество применений в гражданских целях, включая мониторинг изменения климата, доставку грузов, помощь в поисково-спасательных операциях и поддержание безопасности рабочих и отдельных лиц в строительном секторе. Во всем мире за последние 50 лет сфера строительства считалась наиболее активным сектором с точки зрения трудоустройства людей, получения доходов и увеличения валового внутреннего продукта (ВВП) любой страны [1].Несмотря на то, что строительный сектор вносит значительный вклад в ВВП, в связи с этим экономическим бумом возникло много проблем. Одной из наиболее важных проблем, которые упускаются из виду, является безопасность работников и отдельных лиц на рабочих местах. Строительство является ведущей отраслью по общему числу производственных травм со смертельным исходом в 2020 году. Падение с высоты стало причиной 47% от общего числа несчастных случаев на производстве, зарегистрированных в 2019/20 учебном году в Великобритании, а также соответственно, в 2020 году погибло более 700 рабочих. Несмотря на то, что было введено множество строгих правил и предписаний для контроля за работниками во время работы на высоте, травматизм по-прежнему растет. Чтобы помочь уменьшить это, в данном исследовании предлагается новая методика наблюдения за работниками на высоте, сочетающая беспилотные летательные аппараты и методы глубокого обучения.Глубокое обучение - это одна из категорий машинного обучения, в которой основное внимание уделяется обучению компьютера основным инстинктам человека. При глубоком обучении компьютерный алгоритм учится выполнять задачи классификации непосредственно сложных данных в виде изображений, текста или звука. В целом, сверточные нейронные сети (CNN) широко используются для распознавания изображений путем обработки пиксельных данных. Предварительно обученный детектор объектов глубокого обучения используется для анализа и обнаружения любых нарушений при работе на высоте (например, недоступности персональной системы защиты от падения PFAS) с использованием изображений и видеозаписей, снятых в режиме реального времени беспилотником. Эта технология позволит сотруднику службы безопасности непосредственно реагировать на любые потенциальные нарушения, что в конечном итоге спасет жизни. Эта разработка направлена на решение проблемы отсутствия достаточного количества инспекторов по технике безопасности на конкретной строительной площадке. Предлагаемая модель объединена и интегрирована с преимуществами использования беспилотных летательных аппаратов для мониторинга работ на высоте в режиме реального времени и обеспечения безопасности работников. Разработанная система была протестирована в различных условиях.Безопасность работников на строительных площадках - один из вопросов, который остается без внимания и который оказывает значительное влияние на общество. Работа на высоте - один из самых опасных видов деятельности в строительстве. К сожалению, за этой деятельностью сложно должным образом следить, что приводит к многочисленным травмам и смертельным исходам среди строителей. Для решения этой проблемы многие исследователи предлагали и экспериментировали с методами и системами контроля подобных аварий. Двумя основными компонентами этого исследования являются беспилотный летательный аппарат, используемый для съемки изображений и видеозаписей строителей, и детектор объектов глубокого обучения, предназначенный для обнаружения компонентов PFAS. Первая часть процесса проверки включала использование беспилотного летательного аппарата в контролируемой лабораторной среде. Различные изображения рабочих, работающих на высоте, проецировались на экран, и беспилотник летал вокруг экрана, делая снимки и видеозаписи проецируемых изображений. Затем полученные изображения и видеозаписи были обработаны в рамках предварительно подготовленной модели глубокого обучения CNN для выявления. Результаты двухэтапного процесса проверки показывают, что модель обладает высокой точностью (?90%) при выполнении требуемых обнаружений [2].Это исследование показывает, что беспилотный летательный аппарат является мощным инструментом, помогающим сотрудникам службы безопасности контролировать безопасность работников при работе на высоте. Изображения и видеозаписи, сделанные с помощью беспилотного летательного аппарата, были использованы с предварительно подготовленной моделью глубокого обучения, чтобы убедиться, что работники соблюдают требования PFAS. В ходе валидации модели было обнаружено и идентифицировано несколько нарушений в течение очень короткого времени благодаря быстрому функционированию модели, что позволило специалисту по безопасности быстро заметить недоступность.Интеграция технологии глубокого обучения с беспилотными летательными аппаратами доказала свою теоретическую и практическую эффективность в мониторинге безопасности работников на строительных площадках. Беспилотный летательный аппарат, выбранный для этого исследования, был небольшим и экономичным продуктом потребительского класса, чтобы подчеркнуть, что внедрение такой технологии не требует больших затрат.
Номер журнала Вестник науки №5 (74) том 1
Ссылка для цитирования:
Бобкова Е.И. МОНИТОРИНГ В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ ОПАСНОСТЕЙ ДЛЯ БЕЗОПАСНОСТИ РАБОТ НА ВЫСОТЕ НА СТРОИТЕЛЬНЫХ ПЛОЩАДКАХ С ИСПОЛЬЗОВАНИЕМ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ // Вестник науки №5 (74) том 1. С. 775 - 778. 2024 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/14320 (дата обращения: 06.12.2024 г.)
Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2024. 16+