Почему машинное зрение – это круто, но еще не все это поняли

Машинное зрение – это уникальная и прорывная технология, позволяющая заменить наблюдателя в самых различных рутинных процессах. Однако, несмотря на все свои достоинства, она пока не шагает по стране семимильными шагами. На это есть несколько серьезных внешних причин.

На заре становления систем видеонаблюдения видеокамера 150-200 ТВЛ считалась безумно высокотехнологичной, а вся система реализовывалась по следующему принципу:

1. Устанавливались аналоговые камеры, у которых даже с компенсацией задней засветки была проблема.
   
2. Ставили квадратер, который позволял объединять сигнал с нескольких видеокамер при выводе на монитор.
   
3. Для записи использовался магнитофон. Ни о какой потоковой записи не могло идти и речи.

Стандартные 25 кадров делились между всеми видеокамерами, а слово "видеоаналитика" считалось ругательством. Стоимость профессионального видеомагнитофона составляла несколько тысяч долларов, при том что в середине 1990-х гг. на 100 долларов человек мог достаточно безбедно жить месяц.

Было – стало

Стоимость системы видеонаблюдения в прошлом была сопоставима со стоимостью системы машинного зрения сейчас. Но заказчики шли на эти траты. Возникает вопрос: почему?

Ответ кроется в следующем:

1. Экономическая составляющая. В свое время был проведен статистический анализ, который показывал, что установка в магазине даже муляжа видеокамеры снижала вероятность краж примерно на 60%. Были также выкладки по снижению количества других противоправных действий и т.д.
   
2. Техническая сторона. От СССР нам досталась нормативная база по проектированию систем видеонаблюдения. Адаптировав ее к новым техническим возможностям, мы получили достаточно универсальный механизм, описывающий проектирование, монтаж и эксплуатацию систем.
   
3. Консалтинг. Исходя из пунктов 1 и 2, можно было проанализировать, почему одна предложенная система больше отвечает требованиям и задачам конкретного пользователя, чем другая.
   

К сожалению, таких четких обоснований для машинного зрения нет.

"Трудные" заказчики

Сложно показать заказчику его выгоду от внедрения машинного зрения. Если в штате есть специалист высокого уровня доверия и фанат новых технологий, который будет продавливать эту тему, то, возможно, дойдет хотя бы до стадии проектирования системы. Но пока чаще всего приходится сталкиваться с такими фразами: "Где еще внедряли?", "Это не наш сегмент рынка", "Когда обкатаете систему, тогда и приходите".

Из-за агрессивной рекламы и того, что многие производители позиционируют машинное зрение как универсальное решение, заказчики и проектировщики уверовали в систему машинного зрения как в панацею. Столкнувшись с реальными ограничениями, они из энтузиастов переквалифицировались в яростных противников.

Потребителей отпугивает стоимость внедрения, учитывая, что им придется выложить крупную сумму здесь и сейчас, а экономический эффект непонятен. Чтобы его понять, необходимо провести технико-экономическое обоснование, а это опять деньги с неизвестным результатом.

Поскольку поставщик оборудования – лицо заинтересованное, его экспертная оценка может приниматься только для справки. В итоге заказчику проще отказаться от внедрения, чем рисковать деньгами. В проектной жизни это может выглядеть следующим образом. Например, есть цех по производству полуфабрикатов, представляющих собой полупрозрачные брикеты массой 20 кг каждый. Из-за несовершенства технологии производства в них могут быть различные шлаковые вкрапления. Обычно на линии стоит человек и вручную вырезает этот брак. Казалось бы, вот она, точка внедрения. Но экономически обосновать установку робота с машинным зрением невозможно, так как необходимо сделать нормальное ТЭО, а заказчику проще и дешевле оставить все как есть.

Отсутствие элементарной нормативной базы

Внедрению систем машинного зрения очень сильно препятствует отсутствие нормативной базы.

Что относить к машинному зрению? Подходят ли под это определение системы, считывающие QR-код? А системы, распознающие объект?
Практически во все видеокамеры добавлена расширенная аналитика, они имеют возможность распознавать пересечение границы, вторжение в область, автомобильные номера и пр. Можно ли их отнести к машинному зрению?

Складывается примерно такая же ситуация, как когда-то с умным домом. Под маркетинговое определение умного дома подходило оснащение деревенского туалета датчиком присутствия нажимного принципа действия.

В Википедии дается такое определение:
"Машинное зрение – это применение компьютерного зрения для промышленности и производства. В то время как компьютерное зрение – это общий набор методов, позволяющих компьютерам видеть, областью интереса машинного зрения как инженерного направления являются цифровые устройства вводавывода и компьютерные сети, предназначенные для контроля производственного оборудования, такие как роботы-манипуляторы или аппараты для извлечения бракованной продукции".

Вы чего-нибудь поняли? По-моему, это набор умных фраз, мало характеризующий систему. Тем не менее многие производители разделяют компьютерное и машинное зрение, давая пространные описания, чаще всего притянутые за уши.

"Практика обеспечения безотказности КСБ промышленного объекта" читать >>>

При прохождении экспертизы эксперт вынужден применять такие же требования, как для обычного видеонаблюдения, и руководствоваться своими представлениями о том, как должна быть устроена система. Был случай, когда эксперт в проекте системы под "Безопасный регион" убрал из списка 60% видеокамер, заявив: "Я художник, я так вижу".

При экспертизе проектной документации специалисты опираются на перечень документов, обязательных к применению. Все ведомственные приказы, инструкции и т.д., не входящие в этот перечень, могут не приниматься экспертом во внимание.

Векторы развития

На данный момент под машинным зрением подразумеваются два направления развития:

1. Продвинутая видеоаналитика в системах видеонаблюдения, например идентификация человека в потоке и следование за ним по маршруту, контроль доступа с распознаванием, контроль качества, подсчет продукции (людей в помещении) и т.д.
   
2. Промышленное применение – оснащение различных роботизированных комплексов видеокамерами, используемыми для контроля, управления и т.д.

Первое направление можно отнести к сервисным функциям. Это медленно развивающиеся процессы, время обработки и точность анализа здесь не критичны, а сбой не приведет к катастрофическим последствиям.

Продвинутая система видеоаналитики требует использования IP-видеокамер, а значит сложно оснастить уже существующие системы системой машинного зрения без замены оборудования.

Второе направление охватывает критически важные участки производства, и чаще всего с быстро развивающимися процессами. Сбой на таких системах приводит к большим издержкам или опасным последствиям.

Технический пласт между камерой и реакцией

У всех специалистов свое представление о составных частях машинного зрения, что тоже подтверждает неустоявшееся определение систем.

На мой взгляд, система должна состоять из таких компонентов:

1. Поток информации, получаемый от оптической системы (как онлайн, так и ранее записанный), которая представляет собой все многообразие устройств в виде двухмерной (а в дальнейшем и трехмерной) матрицы данных, изменяемых во времени (видеокамеры, тепловизоры, сонары, трехмерные сканеры и т.д.).
2. Программно-аппаратное обеспечение, обрабатывающее данный поток по заданным критериям. Это совокупность вычислительных систем с их программным обеспечением (форма реализации здесь не принципиальна).
3. Поток реакций на результат обработки.

Поскольку поступающая информация динамична, то и реакции на эту информацию со временем должны меняться.

Для медленно развивающихся процессов время с момента получения изображения до выдачи управляющего сигнала не так принципиально, но для контроля аварийной ситуации (особенно на опасных объектах) становится критичным. А поскольку нет критериев и эталонов оценки времени реакции системы, невозможно адекватно сравнить различные системы. Зачастую приходится полагаться на честное слово производителя, что тормозит внедрение решений.

"Машинное зрение + что-то"

Зачастую рекламные заявления производителей роботизированных комплексов включают в себя фразы "робот-манипулятор с машинным зрением", "система контроля технологического процесса на основе
машинного зрения" и др. Все эти версии объединяет одно: разработчики предлагают законченную систему, то есть связку "машинное зрение + что-то". Таким образом, им приходится распылять свои силы на разработку машинного зрения и на разработку системы, для которой предназначено машинное зрение.

Обратимся еще к одному примеру из проектной жизни. Например, есть технологический трубопровод. В месте фланцевого соединения возможен выброс продукта в атмосферу. Система машинного зрения элементарно может распознать это событие, но вот дальше возникают сложности. Информация о событии должна автоматически передаваться в систему автоматизации, но у проектировщика могут быть трудности с интеграцией различных программных продуктов – системой машинного зрения и АСУТП. Зачастую приходится заказывать написание драйвера для корректной передачи события из одной системы в другую. Поскольку каждая компания старательно оберегает интеллектуальную собственность, то возникает вопрос: насколько написанный драйвер защищен от ошибок? Особенно учитывая, что он писался быстро, а следовательно не тестировался в реальных условиях. Если речь идет о критически важных процессах, то проектировщики начинают пользоваться костылями в виде различных реле и т.д.

Что в итоге? Суперсовременная система держится на релейных костылях. А производители систем машинного зрения сами себя загоняют в рамки, ограничивающие применение данных решений.

Пять первоочередных действий

Современные реалии показывают, что назрела четкая необходимость формализовать требования к машинному зрению:

1. Четко определить, что к нему относится.
   
2. Разграничить решения из области продвинутой видеоаналитики и системы, используемые в технологическом процессе. К ним
   должны применяться различные требования по надежности идентификации, быстродействию и т.д.
   
3. Предусмотреть ГОСТы, руководства по проектированию. Это, с одной стороны, отсечет недобросовестных производителей и проектировщиков, а с другой – позволит убедить заказчиков, что системы машинного зрения – это не маркетинговый ход, а действительно серьезный инструмент.
   
4. В рамках ГОСТов предусмотреть эталоны оценки производительности ПО, вероятности обнаружения и т.д.
   
5. Определить типовые протоколы обмена критически важной информацией. Это могут быть типовые подключаемые модули, позволяющие передавать данные в формате, приемлемом для конкретной задачи.
   

Зная требования заказчика, понимая, как выбрать программно-аппаратный комплекс и как машинное зрение будет сопрягаться с другими системами, можно не только расширить сферу его применения, но и кардинально усовершенствовать его возможности.

Опубликовано в журнале "Системы безопасности" №6/2019