Tekniker – Seguimiento de personas e intenciones en entornos de obra
Tekniker
Sector: Construcción
Business Case
En entornos de construcción donde operan máquinas móviles, existe un alto riesgo de accidentes debido a la interacción entre humanos y maquinaria pesada. Los desafíos incluyen la variabilidad en las condiciones ambientales (como iluminación y clima), la complejidad y dinamismo del entorno, y la necesidad de detectar con precisión a las personas y objetos para evitar colisiones o accidentes. La eficacia de las soluciones convencionales es limitada por estas condiciones dando un gran número de falsos positivos, lo que eleva la necesidad de una tecnología más avanzada y confiable.
Objetivos
El proyecto afronta la dificultad de la escasez de datasets públicos centrados en personas en entornos de construcción para crear modelos de inteligencia artificial robustos, lo que es crucial para el seguimiento preciso y en tiempo real de los trabajadores. Además, ha sido un desafío desarrollar una solución que reduzca los falsos positivos en diversas situaciones de trabajo, como cuando los trabajadores están cerca de maquinaria pesada. Superar estos obstáculos es esencial para lograr el objetivo principal del proyecto: implementar un sistema avanzado de seguimiento que no solo alerte de forma personalizada sino que también actúe sobre la maquinaria, deteniéndola automáticamente ante situaciones peligrosas para garantizar la máxima seguridad en el lugar de trabajo.
Use case
El enfoque del proyecto combina las imágenes de cámaras RGB-D y la inteligencia artificial para fortalecer la seguridad en la construcción, con modelos de IA entrenados para detectar y seguir a las personas en las obras de manera precisa. Se evalúan las intenciones de los trabajadores analizando su trayectoria y se utiliza la información de nubes de puntos para entender el entorno, sincronizando estos datos con la operativa de la maquinaria. Esto no solo permite una anticipación proactiva ante incidentes potenciales, emitiendo alertas personalizadas y reduciendo los falsos positivos, sino que también habilita una respuesta directa y automática sobre la maquinaria, deteniéndola si es necesario para prevenir situaciones peligrosas.
Infraestructura
Solución: Edge Entrenamiento: On Premise y Cloud
Tecnologías utilizadas
Reconocimiento/procesamiento de imágenes Aprendizaje Automático o Profundo
Datos utilizados
Dataset propio generado y etiquetado en distintas obras de PAVASAL
Recursos utilizados
A nivel organizativo para el desarrollo ha sido necesario 1 director de proyecto, 4 especialistas en visión artificial e IA y 1 técnico de hardware. Desarrollo técnico y validación por parte de Tekniker y PAVASAL.
Dificultades y aprendizaje
El proyecto se ha topado con el obstáculo de la escasez de datasets públicos de personas en entornos de construcción, esenciales para generar modelos de inteligencia artificial robustos y precisos. Este desafío se ha visto agravado por la necesidad de desarrollar una solución capaz de minimizar los falsos positivos, especialmente en escenarios donde los trabajadores están operando cerca de maquinaria pesada, donde la distinción precisa entre movimientos rutinarios y comportamientos peligrosos es fundamental para la seguridad en el sitio.
KPIs (impacto en el negocio y métricas del modelo)
mAP, Precisión, Recall y métricas propias
Financiación
Este proyecto ha obtenido financiación a través del programa «Proyectos de Investigación y Desarrollo de Inteligencia Artificial y otras tecnologías digitales y su integración en las cadenas de valor» de la entidad pública empresarial Red.es, el Fondo Europeo de Desarrollo Regional (FEDER) «Una manera de hacer Europa».
Colaboradores
PAVASAL
