1. 立项原因，由于工厂环境复杂，叉车摆放不规范，非常容易对工作人员造成风险。几年前的统计数据表明，90%左右的叉车至少造成过一次事故。叉车事故在工业领域属于危害极大的一类，由于叉车重量极大而且车体结构坚固，一旦发生撞人事故极其容易造成伤残甚至死亡。另外虽然场内一般会基于环境考量要求叉车限速到5公里每小时或10公里每小时，但实际上大部分叉车都可以开到20公里每小时以上，在这样的速度下叉车的刹车无法立刻消除自身惯性，一旦出现超速的违规操作很可能造成无法挽回的重大损失。
2. 行业背景，本套系统主要基于人工智能视觉实现。近几年出于对自动化和智能安防的需求，卷积神经网络相关的研究发展迅速，其高规格识别精度甚至可以用于军事武器。而且出于对美国制裁的担忧，国产边缘端ai芯片开始迅速替代进口芯片市场，而且备受各行各业青睐。另外我国的摄像头技术，以海康、大华为首，在国内外都有大规模应用。
1.项目整体可以分为软件部分和硬件部分，软件部分可以分为图像采集、模型推理、结果输出、远程控制，硬件部分主要是外设（摄像头、屏幕，电源、喇叭）、边缘端处理设备和信号输出器
2.功能描述，通过在适当位置部署摄像头采集图像，可以对危险进行预警并辅助操作员控制，具体辅助方式可以根据使用方式修改。这里以设备部署在电动叉车上且有人过度接近叉车为例，程序会通过模型识别附近的人，并判断人是否已经进入危险范围。如果已经进入危险范围，则会控制喇叭输出警告音频，同时通过信号输出器给叉车输出电子信号迫使其减速。
1. 在项目中我主要负责边缘端盒子里的程序开发，程序功能包括采集并处理图像然后输入到模型做处理，获取模型输出并计算是否需要预警，根据情况输出音频和RS-485信号，在屏幕上反馈画面并显示QT前端用于功能配置。此外我还负责制作维护管理系统，让设备自动连接指定名称的网络，一旦联网则会接入远程终端服务器，服务器上每个设备会以UID的形式展示，可以远程升级版本、解除试用限制、远程控制台debug。
2. 系统架构为C/S体系，不过服务端为可有可无，由于现场很有可能没有稳定网络，所以需要支持系统日志和视频本地存储，由于存储限制，视频即使压缩也只能保证一两个月。此外由于是安全预警设备，程序需要极高的反应速度，对芯片和程序逻辑都有要求，否则无法起到应有的作用。同时，高反应速度也是这套程序的亮点，现在市面上有很多部署了ai算法的摄像头，但是它们主要功能是以防盗为主，无法做到快速反应。此外本套系统具备灵活性，可以通过替换模型，实现其他功能如火灾预警，或者通过靶标识别桥梁或建筑振动。
评论