Arrow Electronic Components Online

KI-gestützte Überwachung der PSA-Konformität mit Computer Vision

Dragonwing Robotics22 Sept. 2026
Vier Arbeiter gehen durch einen industriellen Lagerhausgang, der mit gestapelten Metallteilen gefüllt ist
Alle Artikel anzeigen

Arbeitssicherheit hat in Industrie-, Fertigungs- und Bauumgebungen höchste Priorität. Dabei kann die Sicherstellung der Einhaltung von Persönlicher Schutzausrüstung (PSA) bei manueller Durchführung eine Herausforderung darstellen. Dieses Projekt zeigt, wie ein Edge-AI-gestütztes PSA-Überwachungssystem in Echtzeit mit dem Qualcomm® Intelligent Multimedia SDK (QIM SDK) aufgebaut werden kann. Die Lösung erkennt automatisch Arbeitskräfte und überprüft, ob erforderliche Sicherheitsausrüstung wie Helme, Sicherheitswesten, Handschuhe und Masken korrekt getragen wird.

Geräte & Komponenten

Software & Tools

Projektbeschreibung

Die Anwendung nutzt eine mehrstufige Computer-Vision-Pipeline, die vollständig auf dem Gerät ausgeführt wird. Ein Personenerkennungsmodell identifiziert zunächst Personen innerhalb eines Videostreams, und ein zweites AI-Modell analysiert jede erkannte Person auf PPE-Konformität. Durch die Verarbeitung ausschließlich relevanter Interessensbereiche erreicht das System eine effiziente, latenzarme Inferenz bei gleichzeitiger Aufrechterhaltung einer hohen Erkennungsgenauigkeit. Qualcomms hardwarebeschleunigtes AI- und Multimedia-Framework verlagert Videodekodierung, Vorverarbeitung, Inferenz- und Visualisierungsaufgaben auf dedizierte Hardware, minimiert die CPU-Auslastung und ermöglicht eine skalierbare Bereitstellung auf Edge-Geräten.

Das Projekt zeigt, wie AI zur kontinuierlichen Überwachung der Arbeitssicherheit eingesetzt werden kann, um visuelle Echtzeitwarnungen bereitzustellen und umsetzbare Erkenntnisse für die Nachverfolgung der Compliance zu generieren. Da die gesamte Verarbeitung lokal auf dem Gerät erfolgt, reduziert die Lösung die Latenz, wahrt die Privatsphäre und eliminiert die Abhängigkeit von Cloud-Konnektivität. Dadurch ist sie ideal für Fabriken, Lagerhäuser, Baustellen, Logistikeinrichtungen und andere Umgebungen, in denen eine zuverlässige Sicherheitsüberwachung in Echtzeit erforderlich ist.

Hauptmerkmale

  • Echtzeit-Erkennung von Mitarbeitern und Überprüfung der PSA-Konformität

  • Erkennung von Helmen, Sicherheitswesten, Handschuhen und Gesichtsmasken

  • Vollständige KI-Inferenz auf dem Gerät mit Hardwarebeschleunigung

  • Videoanalyse mit niedriger Latenz unter Verwendung von auf GStreamer basierenden Pipelines

  • Hierarchische Metadatenzuordnung zwischen Arbeitern und erkannter PSA

  • Echtzeit-Overlays, Warnmeldungen und Compliance-Visualisierung

  • Skalierbare Bereitstellung für industrielle Sicherheitsüberwachungsanwendungen

Anwendungen

  • Überwachung der Sicherheit in der industriellen Fertigung

  • Nachverfolgung der Konformität auf der Baustelle

  • Sicherheit von Lager- und Logistikmitarbeitern

  • Smart-Factory- und Industrie-4.0-Implementierungen

  • Enterprise-Sicherheitsanalysen und Berichtssysteme

Geräteeinrichtung

Diagram illustrating an edge AI device processing video streams from a camera or file source

Pipeline-Architektur

The image shows a compact technical workflow diagram illustrating data processing stages

Die PSA-Erkennungspipeline implementiert eine zweistufige Daisy-Chain-Architektur, bei der zwei sequenzielle AI-Modelle im Tandem arbeiten, wobei die Ausgabe des ersten Modells direkt die Ausführung des zweiten steuert.

Stufe 1 — Personenerkennung: Das erste AI Modell verarbeitet das vollständige Videobild und erzeugt Begrenzungsrahmen, die den Standort jeder einzelnen Person in der Szene identifizieren. 

  • Crop-Generierung: Das zweite PPE-Erkennungsmodell erfordert Bildausschnitte statt Bounding Boxes. Zur Unterstützung dessen wird eine zweite Instanz von qtimlvconverter im Crop-Generierungsmodus ausgeführt, die die Bounding Boxes aus dem ersten Modell verwendet, um jede erkannte Person dynamisch aus dem Original-Frame auszuschneiden.

Stufe 2 — PPE-Erkennung: Das PPE-Erkennungsmodell wird für jede erkannte Person einmal aufgerufen und analysiert jede zugeschnittene Region unabhängig, um festzustellen, ob Sicherheitsausrüstung, einschließlich Helmen, Westen, Handschuhen und Masken, vorhanden ist. 

  • Wiederanfügen von Metadaten: Eine zweite qtimetamux-Instanz fügt die PPE-Erkennungsergebnisse erneut an den ursprünglichen Videostream an und stellt sicher, dass alle Erkennungen mit dem entsprechenden Frame und der entsprechenden Person synchronisiert sind.

Folgen Sie den Anweisungen im Monitoring PPE Compliance with AI-Powered Computer Vision-Blog, um die erforderlichen Voraussetzungen zu installieren, die Qualcomm Intelligent Multimedia SDK-Umgebung zu konfigurieren, die AI-Modelle einzurichten, die Pipeline bereitzustellen und die Anwendung auf dem Zielgerät auszuführen. Detaillierte Schritte zur Einrichtung und Ausführung finden Sie im Blog. 

Code

QIMSDK Beispiel-App

Beispielanwendung zur Implementierung der PPE-Erkennung

Qualcomm® IM SDK stellt hardwarebeschleunigte GStreamer-Plugins und Referenz-Apps für die Multimedia-Entwicklung bereit, zusammen mit AI SDK-Integrationen wie Neural Processing SDK, AI Engine Direct und Lite Runtime.

Artikel tags

Weltweit
Eingebettete Systeme
Artikel
Arduino S.r.l.