حلول تحليل الفيديو المدعومة بالذكاء الاصطناعي للصحة والسلامة المهنية
كيف تسهم أنظمة تحليل الفيديو المدعومة بالذكاء الاصطناعي في الصحة والسلامة المهنية؟ ندرس التحقق من ارتداء الخوذ والسترات العاكسة، واقتراب الرافعات الشوكية من المشاة، وانتهاك المناطق الخطرة، ورصد السقوط، ومراقبة المخاطر الصناعية، في ضوء المعايير الفنية والتحقق الميداني ومتطلبات KVKK.

تشمل الصحة والسلامة المهنية الأنشطة الوقائية الهادفة إلى حماية العاملين من حوادث العمل والأمراض المهنية. وإلى جانب تدابير السلامة التقليدية، تُستخدم التقنيات الرقمية أيضًا لإدارة المخاطر في المنشآت الصناعية والمصانع والمستودعات ومراكز الخدمات اللوجستية ومواقع الإنتاج.
تعالج أنظمة تحليل الفيديو المدعومة بالذكاء الاصطناعي الصور الواردة من كاميرات المراقبة باستخدام خوارزميات الرؤية الحاسوبية، ويمكنها المساعدة في اكتشاف حالات خطرة محددة أو أحداث معرّفة مسبقًا.
ومن أمثلة ذلك تحديد شخص لا يرتدي خوذة واقية في منطقة إنتاج، أو اكتشاف دخول أحد المشاة إلى مسار رافعة شوكية، أو رصد دخول غير مصرح به إلى منطقة خطرة.
يمكن لهذه التقنيات تزويد فرق السلامة المهنية بمعلومات أسرع عن أحداث محددة، وتسهيل التحقيق في الحالات التي تنطوي على مخاطر.
لكن أنظمة تحليل الفيديو لا تحل محل تقييمات المخاطر أو تدابير الحماية المادية أو أنظمة سلامة الآلات أو تدريب العاملين التي تفرضها لوائح الصحة والسلامة المهنية. وينبغي اعتبار حلول تحليل الفيديو تقنيات تكميلية تدعم إدارة الصحة والسلامة المهنية القائمة.
ما تحليل الفيديو للصحة والسلامة المهنية؟
تحليل الفيديو لأغراض الصحة والسلامة المهنية هو التقييم الآلي لصور الكاميرات وفقًا لسيناريوهات محددة للسلامة في العمل.
في حين توفر أنظمة CCTV التقليدية أساسًا إمكانات العرض والتسجيل، تستطيع أنظمة تحليل الفيديو تصنيف الأجسام والأحداث الظاهرة في الصورة وفق قواعد محددة.
وفي هذا السياق، يمكن استخدام خوارزميات مناسبة لاكتشاف:
المؤشرات المرئية المرتبطة باستخدام معدات الوقاية الشخصية،
الاقتراب الخطر بين الأشخاص والمركبات،
دخول المناطق المحظورة أو الخاضعة للرقابة،
بعض الأحداث الشبيهة بالسقوط،
وجود أشخاص حول المعدات المتحركة،
وبعض مؤشرات اللهب والدخان
يمكن استخدام هذه الخوارزميات لاكتشاف مثل هذه الحالات.
ولا تتوفر جميع هذه الوظائف في كل كاميرا أو برنامج لتحليل الفيديو.
ينبغي لمشروعات تحليل الفيديو للصحة والسلامة المهنية أن تحدد أولًا الخطر المراد رصده، ثم تختار الخوارزمية والبنية التحتية للتصوير الملائمتين لذلك الخطر.
كيف تعمل أنظمة تحليل الفيديو المدعومة بالذكاء الاصطناعي للصحة والسلامة المهنية؟
1. التقاط صور الكاميرا
يتلقى النظام بثًا مرئيًا من كاميرا مراقبة IP أو من مصدر صور آخر مدعوم.
يؤثر وضوح الصورة وخصائص العدسة ومعدل الإطارات وزاوية التثبيت وظروف الإضاءة في أداء التحليل.
2. اكتشاف الأشخاص والأجسام
تحاول خوارزمية الذكاء الاصطناعي اكتشاف الأشخاص أو الرافعات الشوكية أو المركبات أو أنواع محددة من معدات الوقاية الشخصية في الصورة.
تُنفذ هذه العملية عادةً باستخدام نماذج مدرّبة لاكتشاف الأجسام وتصنيفها.
3. تحليل الحالات الخطرة
تُقارَن الأجسام المكتشفة بقواعد محددة مسبقًا.
على سبيل المثال:
دخول شخص يُعتقد أنه لا يرتدي خوذة إلى منطقة محددة،
وجود أحد المشاة في مسار رافعة شوكية،
تجاوز حدود منطقة خاضعة للرقابة،
اكتشاف حركة سقوط معينة
يمكن تقييم أحداث من هذا القبيل.
4. إصدار تنبيه
عند تحقق شرط محدد، يمكن للنظام إصدار تنبيه أو إنشاء سجل للحدث، بحسب عمليات التكامل التي يدعمها.
يمكن إرسال هذه الإشعارات إلى مركز للتحكم الأمني أو إلى موظفي الصحة والسلامة المهنية المخولين أو إلى برنامج مناسب لإدارة الحوادث.
5. مراجعة الأحداث
يمكن للموظفين المخولين تقييم التنبيهات الصادرة والتحقق مما إذا كان الحدث قد شكّل خطرًا حقيقيًا.
وبذلك يمكن استخدام نتائج النظام في تقييم المخاطر والتفتيش الميداني وإجراءات التصحيح.
استخدامات أنظمة تحليل الفيديو للصحة والسلامة المهنية
اكتشاف معدات الوقاية الشخصية
يهدف تحليل معدات الوقاية الشخصية إلى تقييم ما إذا كان العامل يرتدي معدات محددة، استنادًا إلى الصور.
يمكن تحليل المعدات التالية باستخدام خوارزميات مناسبة:
خوذة واقية
سترة عاكسة
أنواع معينة من النظارات الواقية
بعض أنواع القفازات والكمامات
ملابس عمل محددة
لكن لا ينبغي افتراض أن كل برنامج يدعم جميع هذه المعدات.
قد يكون اكتشاف الأجسام الصغيرة، مثل القفازات والنظارات الواقية، أصعب من اكتشاف الخوذ أو السترات العاكسة.
إن اكتشاف ارتداء العامل خوذة في الصورة لا يضمن أن الخوذة مناسبة للخطر المعني أو سليمة أو مستخدمة على النحو الصحيح.
لذلك لا ينبغي تقديم أنظمة تحليل الفيديو على أنها حلول تجري آليًا جميع عمليات التحقق من الالتزام بمتطلبات معدات الوقاية الشخصية.
تحليل اقتراب الرافعات الشوكية من المشاة
قد يشكل استخدام الرافعات الشوكية والمشاة للمناطق نفسها مخاطر كبيرة على السلامة في المصانع ومراكز الخدمات اللوجستية.
يمكن لأنظمة تحليل الفيديو، عند وضع الكاميرات في مواقع مناسبة، اكتشاف الأشخاص والرافعات الشوكية وتقييم دخولهم المتزامن إلى مناطق معينة أو اقترابهم في مستوى الصورة.
فعلى سبيل المثال، يمكن إرسال تنبيه إلى المشغل عند دخول أحد المشاة إلى منطقة محددة بوصفها مسارًا للرافعات الشوكية.
لكن باستخدام كاميرا 2D معيارية واحدة، لا يمكن دائمًا تحديد المسافة الفعلية بين الأجسام التي تبدو متقاربة في الصورة بصورة موثوقة.
إذا أريد حساب المسافة الفعلية أو خطر التصادم، فقد تلزم معايرة الكاميرا أو تحويل المنظور أو معلومات العمق أو مستشعرات إضافية مناسبة.
في التطبيقات الحاسمة للسلامة والرامية إلى منع تصادم الرافعات الشوكية، لا ينبغي الاعتماد على تحليل CCTV المعياري وحده؛ بل يجب الاستناد إلى التدابير الهندسية المناسبة وفصل حركة المرور وأنظمة السلامة اللازمة.
انتهاك المناطق الخطرة
يمكن استخدام أنظمة تحليل الفيديو لاكتشاف دخول الأشخاص إلى مناطق محددة.
على سبيل المثال:
محيط خلايا عمل الروبوتات،
مناطق الآلات الخاضعة للرقابة،
مناطق التحميل والتفريغ،
أجزاء محددة من منشآت الجهد العالي،
المناطق الفنية التي يُقيّد فيها الدخول غير المصرح به
يمكن تحديد مناطق افتراضية لهذه المواقع.
لكن اكتشاف انتهاك المناطق باستخدام الفيديو لا يحل محل الستائر الضوئية المعتمدة أو ماسحات الليزر للسلامة أو الحواجز المزودة بقفل تعشيقي أو أنظمة التحكم بالسلامة المستخدمة في سلامة الآلات.
تحليل السقوط وانعدام الحركة
تحاول بعض حلول تحليل الفيديو المدعومة بالذكاء الاصطناعي اكتشاف الأحداث الشبيهة بالسقوط بالاستفادة من التغيرات في وضعية الشخص وحركته في الصورة.
يمكن لهذه الأنظمة أن تساعد على ملاحظة أحداث معينة بسرعة أكبر في أماكن العمل المناسبة.
لكن خوارزميات اكتشاف السقوط قد لا تميز دائمًا على نحو صحيح بين السقوط الحقيقي وبين الانحناء أو الجلوس أو الاستلقاء على الأرض.
كما أن ظهور شخص ساكن في الصورة لا يعني أن حالته الصحية قد حُددت على وجه اليقين.
وينبغي تقييم هذه الأنظمة خصوصًا بالاقتران مع إجراءات الطوارئ.
تحليل اللهب والدخان
يمكن لبعض أنظمة تحليل الفيديو المتخصصة اكتشاف علامات اللهب أو الدخان في الصور.
ويمكنها دعم الاكتشاف المبكر للحوادث في المناطق الصناعية الواسعة التي تتوفر فيها تغطية مناسبة بالكاميرات.
لكن قدرة كاميرا ذكاء اصطناعي معيارية على اكتشاف صور تشبه الدخان لا تعني إمكانية استخدامها بدلًا من نظام معتمد لاكتشاف الحرائق.
ينبغي أن تستند مشروعات السلامة من الحرائق إلى التشريعات والمعايير ذات الصلة وتقييمات المطابقة المطلوبة.
مقارنة تقنيات تحليل الفيديو للصحة والسلامة المهنية
نوع التحليل | الغرض | القيد الفني الرئيسي |
|---|---|---|
اكتشاف الخوذ | التحقق بصريًا من ارتداء الخوذة | حجب الرؤية والزاوية وعدم القدرة على التحقق من الاستخدام الصحيح للمعدات |
اكتشاف السترات العاكسة | اكتشاف ملابس عمل محددة | الإضاءة والملابس ذات الألوان المتشابهة |
تحليل الرافعات الشوكية والمشاة | تحديد التفاعلات الخطرة في المناطق المشتركة | تقدير المسافة الفعلية والحركة |
انتهاك المناطق الخطرة | اكتشاف دخول الأشخاص إلى منطقة محددة | النقاط العمياء والأحداث التي لم تُكتشف |
تحليل السقوط | تحديد الأحداث الشبيهة بالسقوط | النتائج الإيجابية الكاذبة وحالات السقوط غير المكتشفة |
تحليل اللهب والدخان | اكتشاف العلامات المرئية للحريق | ظروف الرؤية ومدى الملاءمة لنظام الحريق |
أُعدّت هذه المقارنة للمساعدة في اختيار التقنية. وينبغي تحديد قيم الأداء النهائية وفقًا للمنتج وظروف الموقع ونتائج التحقق.
هل يمكن استخدام كاميرات المراقبة الحالية لتحليل الفيديو لأغراض الصحة والسلامة المهنية؟
نعم. يمكن، في ظل ظروف فنية مناسبة، معالجة الصور الواردة من كاميرات مراقبة IP الحالية باستخدام برامج خارجية لتحليل الفيديو.
لكن ليست كل كاميرا موجودة مناسبة لكل سيناريو من سيناريوهات الصحة والسلامة المهنية.
فعلى سبيل المثال، قد توفر كاميرا مراقبة تُصوّر مساحة مصنع واسعة صورًا كافية لاكتشاف الأشخاص والمركبات عمومًا، لكنها قد لا تقدم التفاصيل اللازمة لاكتشاف نظارات واقية صغيرة.
موضع الكاميرا
ينبغي أن تُصوّر الكاميرا المنطقة المراد تحليلها والجسم المستهدف من زاوية مناسبة.
من المهم أن يكون رأس الشخص ظاهرًا عند التحقق من ارتداء الخوذة.
أما تحليل الرافعات الشوكية والمشاة، فيتطلب تغطية مسارات الحركة ومناطق الخطر على نحو كافٍ.
العدسة وكثافة البكسلات
يُعد عدد البكسلات التي يشغلها الجسم المستهدف في الصورة أحد العوامل المؤثرة في أداء التحليل.
لكن ارتفاع كثافة البكسلات وحده لا يعني نجاح تحليل الذكاء الاصطناعي.
وخاصةً في اكتشاف معدات الوقاية الشخصية، ينبغي أن تتحقق اختبارات الشركة المصنّعة من حجم المعدات المستهدفة والزوايا التي تستطيع الخوارزمية التعرف إليها منها.
الذكاء الاصطناعي الطرفي والتحليل المعتمد على الخوادم
في بعض الأنظمة، يُجرى التحليل مباشرةً على الكاميرا.
يُطلق على هذا النهج اسم الذكاء الاصطناعي الطرفي.
أما الحلول الأخرى فتعالج بث الفيديو الوارد من كاميرات IP الحالية على خادم مركزي.
يمكن للبنية القائمة على الخوادم، عند توافر البرامج المناسبة وسعة المعالجة الكافية، إتاحة الاستفادة من البنية التحتية الحالية للكاميرات.
لكن يجب حساب تراخيص البرامج وسعة GPU وعرض نطاق الشبكة ومتطلبات التكامل.
هل تستطيع أنظمة تحليل الفيديو منع حوادث العمل؟
يمكن لأنظمة تحليل الفيديو دعم أنشطة السلامة الوقائية في العمل، عبر تسهيل اكتشاف بعض الحالات الخطرة.
لكن اكتشاف خوارزمية لحالة خطرة لا يعني بالضرورة منع وقوع حادث عمل.
فعلى سبيل المثال، يمكن للنظام إصدار تنبيه عند اكتشاف أحد المشاة في مسار رافعة شوكية.
تعتمد مساهمة التنبيه في منع الحوادث على وقت الاكتشاف وإيصال التحذير واستجابة المشغل وتدابير السلامة المادية في الموقع.
لذلك ينبغي اعتبار أنظمة تحليل الفيديو آليات رقابة مساعدة يمكن أن تسهم في الحد من المخاطر.
التحقق الميداني
تتضمن خطة تحقق نموذجية ما يلي:
تحديد الخطر المراد رصده والحدث المراد اكتشافه.
التحقق من مجال رؤية الكاميرا ومنطقة التحليل.
إعداد سيناريوهات اختبار آمنة وخاضعة للرقابة.
تكليف الموظفين المخولين بتسجيل الأحداث المرجعية.
مقارنة النتائج التي أصدرتها الخوارزمية.
تحليل التنبيهات الكاذبة والتنبيهات التي لم تصدر.
تقييم ظروف التشغيل نهارًا وليلًا وفي أوضاع تشغيل مختلفة.
إعداد تقرير بالنتائج وفق معايير القبول.
تحديث إعدادات النظام عند الحاجة.
التخطيط لفحوص دورية للأداء.
يجب عدم خلق حالات خطرة فعلية أثناء الاختبار، كما يجب عدم تعطيل تدابير سلامة الآلات.
إدارة التنبيهات في أنظمة تحليل الفيديو للصحة والسلامة المهنية
لا يمثل اكتشاف حدث خطر سوى المرحلة الأولى من عمل النظام.
يجب أن يصل التنبيه إلى الشخص المناسب في الوقت المناسب، وأن يتوفر إجراء ملائم للاستجابة.
ينبغي للمشروعات الاحترافية تقييم ما يلي:
الشروط التي يصدر التنبيه عند تحققها
الموظفون الذين سيتلقون الإشعار
مستوى أولوية التنبيه
إجراء تحقق المشغل
الاحتفاظ بسجلات الأحداث
إدارة التنبيهات المتكررة
السلوك عند تعطل النظام أو انقطاع الاتصال
الإجراءات التصحيحية التي تُتخذ بعد التنبيه
وخاصةً في المناطق الحرجة، ينبغي قياس تأخر التنبيه والأحداث التي لا تُكتشف خلال الاختبارات الميدانية.
ما المنشآت التي تستخدم أنظمة تحليل الفيديو للصحة والسلامة المهنية؟
المصانع ومنشآت الإنتاج
يمكن تحليل التحقق من الخوذ وانتهاكات المناطق الخاضعة للرقابة وبعض المؤشرات المرئية للتفاعل بين الإنسان والآلة.
المستودعات ومراكز الخدمات اللوجستية
يمكن رصد حركة الرافعات الشوكية والمشاة ومناطق التحميل وبعض مناطق السلامة.
مواقع البناء
يمكن تقييم بعض حالات استخدام معدات الوقاية الشخصية وانتهاكات المناطق الخاضعة للرقابة عند وضع الكاميرات في مواقع مناسبة.
لكن لا يمكن استخدام تحليل الفيديو بدلًا من أنظمة الحماية من السقوط من المرتفعات.
منشآت الطاقة والبنية التحتية الصناعية
يمكن تحليل الدخول غير المصرح به إلى المناطق وبعض التحركات في الموقع وسيناريوهات المخاطر المرئية المناسبة.
الموانئ ومنشآت الصناعات الثقيلة
يمكن للتحليلات المرئية في المناطق التي تتقاطع فيها حركة الأشخاص والمركبات أن تساعد في تقييم المخاطر التشغيلية.
أنظمة تحليل الفيديو للصحة والسلامة المهنية وKVKK
قد ينطوي استخدام تحليل الفيديو في أماكن العمل على معالجة البيانات الشخصية للعاملين.
ينبغي تقييم الالتزامات بموجب KVKK، ولا سيما عند تسجيل صور الأشخاص أو مراقبة سلوكهم الفردي أو ربط الأحداث بموظفين محددين.
تقليل البيانات إلى الحد الأدنى
ينبغي تجنب جمع البيانات الشخصية التي لا تلزم لأغراض الصحة والسلامة المهنية.
فعلى سبيل المثال، إذا كان المطلوب فقط اكتشاف دخول شخص إلى منطقة خطرة، فقد لا تكون تقنية التعرف على الوجوه أو تحديد هوية الفرد ضرورية في كل الحالات.
واجب الإبلاغ
إذا جرت معالجة بيانات شخصية، فيجب إبلاغ أصحاب البيانات المعنيين في إطار المادة 10 من KVKK.
المراقبة المستمرة للعاملين
قد يؤدي توسيع نظام مستخدم لأغراض الصحة والسلامة المهنية بحيث يقيّم باستمرار أداء العاملين أو تحركاتهم الفردية إلى مخاطر مختلفة تتعلق بمعالجة البيانات الشخصية.
لذلك ينبغي تحديد أغراض معالجة البيانات بوضوح ومراعاة مبدأ التناسب.
النقل إلى السحابة والأطراف الثالثة
إذا نُقلت صور الفيديو أو بيانات التحليل التي يمكن ربطها بشخص إلى بنية تحتية سحابية، فينبغي تقييم العلاقات مع معالجي البيانات، وشروط نقل البيانات إلى الخارج عند الاقتضاء.
الوضع التنظيمي لأنظمة تحليل الفيديو للصحة والسلامة المهنية في تركيا
الإطار القانوني الأساسي للصحة والسلامة المهنية في تركيا هو قانون الصحة والسلامة المهنية رقم 6331.
يتعين على أصحاب العمل إجراء تقييمات المخاطر أو تكليف جهة بإجرائها، واتخاذ التدابير اللازمة، وإبلاغ العاملين، والوفاء بالتزامات الصحة والسلامة المهنية ذات الصلة.
لا يؤدي تركيب نظام تحليل فيديو مدعوم بالذكاء الاصطناعي إلى إسقاط هذه الالتزامات.
كما يجب تحديد المخاطر والتخطيط لتدابير الرقابة بموجب لائحة تقييم المخاطر في الصحة والسلامة المهنية.
لذلك ينبغي التعامل مع أنظمة تحليل الفيديو على أنها أحد التدابير التكميلية المناسبة التي يحددها تقييم المخاطر.
ما الذي ينبغي مراعاته عند اختيار نظام تحليل فيديو للصحة والسلامة المهنية؟
معيار الاختيار | المسألة الواجب التحقق منها |
|---|---|
سيناريو الخطر | ما الخطر أو الحدث الذي سيُكتشف؟ |
الخوارزمية | هل فئة الجسم والحدث المعنيان مدعومتان؟ |
الكاميرا | هل يظهر الهدف بتفاصيل كافية؟ |
الأداء ليلًا | هل اختُبر النظام في ظروف التشغيل الفعلية؟ |
الإنذارات الكاذبة | هل قِيست نتائج FP وFN؟ |
التكامل | هل يتوافق مع أنظمة VMS وإدارة الحوادث؟ |
تأخر التنبيه | هل قيس الزمن من وقوع الحدث إلى إرسال الإشعار؟ |
الأمن السيبراني | هل إجراءات الوصول والتشفير والتحديث كافية؟ |
KVKK | هل حُددت سياسات معالجة البيانات والاحتفاظ بها؟ |
التحقق | هل أُجري اختبار ميداني وفق معايير القبول؟ |
يهدف هذا الجدول إلى التقييم الفني الأولي. وينبغي وضع التصميم النهائي للنظام بالاستناد إلى تقييم المخاطر في المنشأة ومتطلبات الهندسة ذات الصلة.
قائمة التحقق الفنية لأنظمة تحليل الفيديو للصحة والسلامة المهنية
- هل حُددت الأخطار المراد رصدها في تقييم مخاطر الصحة والسلامة المهنية؟
- هل حُدد الدور التكميلي لتحليل الفيديو؟
- هل جرى التحقق من موضع الكاميرا ووضوح الهدف؟
- هل جرى التحقق من دعم الخوارزمية لمعدات الوقاية الشخصية أو سيناريو الخطر المعني؟
- هل قِيست النتائج الإيجابية الكاذبة والسلبية الكاذبة؟
- هل اختُبر تأخر التنبيه وإجراء استجابة المشغل؟
- هل جرى التحقق من التكامل مع أنظمة VMS وإدارة الحوادث الحالية؟
- هل حُددت حدود التشغيل بصورة مستقلة عن أنظمة سلامة الآلات؟
- هل جرى تقييم متطلبات KVKK وأمن البيانات؟
- هل خُطط للمعايرة والتحقق والصيانة الدورية؟
الأسئلة الشائعة
هل تستطيع كاميرات الذكاء الاصطناعي اكتشاف العاملين الذين لا يرتدون خوذات؟
يمكن اكتشاف حالات معينة من ارتداء الخوذ باستخدام خوارزمية وظروف تصوير مناسبة. لكن أداء المنتجات يختلف، وينبغي التحقق من النتائج بالاختبارات الميدانية.
هل يمكن استخدام كاميرات المراقبة الحالية لتحليل الصحة والسلامة المهنية؟
يمكن استخدام كاميرات IP ذات الدقة وزاوية الرؤية والتوافق البرمجي المناسبة. لكن ليست كل كاميرا كافية لكل نوع من التحليل.
هل يمكن منع تصادم الرافعات الشوكية بالمشاة باستخدام تحليل الفيديو؟
يمكن لتحليل الفيديو اكتشاف بعض حالات الاقتراب الخطرة وإصدار تنبيهات. لكنه لا يضمن منع التصادمات ولا يحل محل تدابير السلامة المادية اللازمة.
هل تمنع أنظمة تحليل الفيديو حوادث العمل بالكامل؟
لا. يمكن لهذه الأنظمة أن تساعد في اكتشاف بعض الحالات الخطرة. ويتطلب منع حوادث العمل إدارة شاملة للمخاطر وتدابير رقابة مناسبة.
كيف تُقاس الدقة في أنظمة تحليل الفيديو للصحة والسلامة المهنية؟
تُقاس الحالات الإيجابية الحقيقية والإيجابية الكاذبة والسلبية الكاذبة بمقارنة الأحداث الفعلية بنتائج النظام. ويمكن تقييم مقاييس مثل Precision وRecall وتأخر التنبيه.
هل تخضع أنظمة تحليل الفيديو المستخدمة لأغراض الصحة والسلامة المهنية لأحكام KVKK؟
إذا جرت معالجة صور أو بيانات أخرى تخص أشخاصًا محددين أو قابلين للتحديد، فتُطبق أحكام KVKK. وينبغي تقييم غرض المعالجة وأساسها القانوني وواجب الإبلاغ ومتطلبات الأمن.
الخلاصة: ما الذي يحدد نجاح أنظمة تحليل الفيديو للصحة والسلامة المهنية؟
يمكن لحلول تحليل الفيديو المدعومة بالذكاء الاصطناعي أن تسهم في رصد بعض مخاطر السلامة المهنية وتقييم الحوادث بسرعة أكبر في المنشآت الصناعية.
تتناول تطبيقات مثل اكتشاف معدات الوقاية الشخصية وتحليل الرافعات الشوكية والمشاة واكتشاف انتهاك المناطق الخطرة ورصد السقوط سيناريوهات مختلفة للمخاطر.
لكن نجاح النظام لا يعتمد على مدى تطور خوارزمية الذكاء الاصطناعي وحده.
ينبغي النظر معًا في الموضع الصحيح للكاميرا ونموذج التحليل المناسب وإدارة التنبيهات والتحقق الميداني وأمن البيانات وإجراءات الصحة والسلامة المهنية.
النهج الأفضل هو عدم استخدام تحليل الفيديو بدلًا من تدابير السلامة القائمة، بل اعتباره تقنية تكميلية تساعد على اكتشاف المخاطر في وقت أبكر ودعم الأنشطة الوقائية.