Surveillance de la conformité des EPI alimentée par l’AI avec la vision par ordinateur
La sécurité au travail est une priorité absolue dans les environnements industriels, de fabrication et de construction, où garantir la conformité aux Équipements de protection individuelle (EPI) peut être difficile lorsqu’elle est effectuée manuellement. Ce projet montre comment construire un système de surveillance des EPI en temps réel, alimenté par l’IA en périphérie, à l’aide du Qualcomm® Intelligent Multimedia SDK (QIM SDK). La solution détecte automatiquement les travailleurs et vérifie si les équipements de sécurité requis, tels que les casques, les gilets de sécurité, les gants et les masques, sont portés correctement.
Appareils & composants
Logiciels & outils
Description du projet
L’application utilise une chaîne de traitement de vision par ordinateur à plusieurs étapes, exécutée entièrement sur l’appareil. Un modèle de détection de personnes identifie d’abord les individus au sein d’un flux vidéo, puis un second modèle AI analyse chaque personne détectée afin de vérifier la conformité aux EPI. En ne traitant que les régions d’intérêt pertinentes, le système atteint une inférence efficace à faible latence tout en maintenant une grande précision de détection. Le framework AI et multimédia de Qualcomm, accéléré par matériel, déporte les tâches de décodage vidéo, de prétraitement, d’inférence et de visualisation vers du matériel dédié, minimisant l’utilisation du CPU et permettant un déploiement évolutif sur des appareils edge.
Le projet démontre comment l’AI peut être utilisée pour surveiller en continu la sécurité au travail, fournir des alertes visuelles en temps réel et générer des informations exploitables pour le suivi de la conformité. Étant donné que tout le traitement s’effectue localement sur l’appareil, la solution réduit la latence, préserve la confidentialité et élimine la dépendance à la connectivité cloud. Cela la rend idéale pour les usines, les entrepôts, les chantiers de construction, les sites logistiques et d’autres environnements où une surveillance de la sécurité fiable et en temps réel est requise.
Caractéristiques principales
Détection des travailleurs en temps réel et vérification de la conformité des EPI
Détection des casques, des gilets de sécurité, des gants et des masques faciaux
Inférence d’IA entièrement sur l’appareil avec accélération matérielle
Analytique vidéo à faible latence à l’aide de pipelines basés sur GStreamer
Association hiérarchique des métadonnées entre les travailleurs et les EPI détectés
Superpositions en temps réel, alertes et visualisation de la conformité
Déploiement évolutif pour les applications de surveillance de la sécurité industrielle
Applications
Surveillance de la sécurité de la fabrication industrielle
Suivi de la conformité sur les chantiers
Sécurité des travailleurs d’entrepôt et de logistique
Déploiements d’usines intelligentes et d’Industrie 4.0
Systèmes d’analyse et de reporting de sécurité pour les entreprises
Configuration de l’appareil
Architecture du pipeline
Le pipeline de détection des EPI met en œuvre une architecture en guirlande à deux étapes, dans laquelle deux modèles AI séquentiels fonctionnent en tandem, la sortie du premier modèle pilotant directement l’exécution du second.
Étape 1 — Détection de personnes : Le premier modèle d’IA traite l’image vidéo complète et produit des cadres englobants identifiant l’emplacement de chaque individu dans la scène.
Génération de recadrages : Le deuxième modèle de détection d’EPI nécessite des recadrages d’images plutôt que des boîtes englobantes. Pour prendre cela en charge, une deuxième instance de qtimlvconverter s’exécute en mode génération de recadrages, en utilisant les boîtes englobantes du premier modèle pour recadrer dynamiquement chaque personne détectée à partir de l’image d’origine.
Étape 2 — Détection des EPI : Le modèle de détection des EPI est invoqué une fois pour chaque personne détectée, en analysant chaque région recadrée de manière indépendante afin de déterminer si des équipements de sécurité, notamment des casques, des gilets, des gants et des masques, sont présents.
Rattachement des métadonnées : une deuxième instance de qtimetamux rattache les résultats de détection PPE au flux vidéo d’origine, garantissant que toutes les détections sont synchronisées avec l’image et la personne correspondantes.
Suivez les instructions du blog Monitoring PPE Compliance with AI-Powered Computer Vision pour installer les prérequis requis, configurer l’environnement Qualcomm Intelligent Multimedia SDK, configurer les modèles AI, déployer le pipeline et exécuter l’application sur l’appareil cible. Reportez-vous au blog pour obtenir des étapes détaillées de configuration et d’exécution.
Code
Application d'exemple QIMSDK
Exemple d’application pour mettre en œuvre la détection des EPI
Qualcomm® IM SDK fournit des plugins GStreamer accélérés matériellement et des applications de référence pour le développement multimédia, ainsi que des intégrations AI SDK telles que Neural Processing SDK, AI Engine Direct et Lite Runtime.
Étiquettes d'article
