使用物联网传感器可以为算法提供实时数据，并可以在现场做出决定。例如，如果传感器检测到气体泄漏，温度升高或不需要的湿度，工作可以立即停止或至少通知地板经理。这些类型的决定是确定性的，并且不能提供对未来的深入了解。
创造更安全环境的另一种方式是利用计算机和机器学习的力量。通过创建不同的场景，算法可以感知安全与不安全之间的区别。
计算机视觉能力
机器视觉的进步意味着现在算法可以识别物体，边缘和速度。加上处理能力(GPU)，传感器和独立运载系统(如机器人和无人机)的改进，我们现在拥有创建最先进的安全程序的所有必要要素，这些安全程序完全自动化并且比人类更好。
计算机视觉致力于有效地复制人眼，以及大脑分辨不同物体或情况之间差异的能力。在工业环境中使用它应该会减少事故和预防，而不是纠正。
工业安全分部和解决方案
Safeopedia是一个专门的网络资源，将主题列表定义为工业安全的一部分。我们将讨论计算机视觉为他们每个人提供的可能解决方案。
过程和生产安全
大多数生产设施已经在该处安装了闭路电视系统。计算机视觉算法可以使用此实时饲料来检测异常。例如，在特定区域，由于移动零件或其他危险，不允许工人工作。如果通过现场录像发现这种情况，整个过程可以停止。
机器视觉可以控制各种或不同的设备，实现生产过程的自动化。这提高了效率，并使工作场所更安全，因为它消除了人们进入危险区域的需要。例如，通过使用条形码，产品可以根据其最终目的地进行分类或包装，而无需操作人员。
材料安全
自动扫描仪可以安装在生产线上。这些可以识别原材料中使用的任何缺陷，如划痕，不均匀的油漆层，甚至肉眼可能出现的小缺陷，但可能对最终产品造成灾难性后果。更重要的是，物联网设备可以以手动质量控制器无法实现的速度进行操作。来自InData
Labs的计算机视觉专家描述了多对象检测如何使同一对象不同部分的此过程准确快速。
消防安全
热量和烟雾传感器已经是所有工业环境中标准安全设备的一部分。这些可以通过红外相机等预防措施加以补充。例如，如果设备过热并引发火灾，可以在红外热像仪上看到并在发生危险之前停止。
电气安全
使用物联网传感器是确保所有电路正常工作的便宜且有效的方法。它们可以收集有关张力，电压，焦耳效应的数据，并防止过度充电，断电甚至由短路引起的火灾。计算机视觉可以处理来自电路的各种不同信号，并检测异常活动。
建筑，工作场所和环境安全
安装在无人驾驶飞机或其他类型自动驾驶车辆上的高分辨率传感器可以扫描周边并检测任何结构变化。在煤矿，盐矿或石油开发现场等高压环境中，这种情况更为重要，因为任何突然的变化都可能导致生命或环境危害的丧失。
环境被分割，每个部分都与预定义的“好”模型进行比较。通过识别差异，电脑可以帮助驴子，如果有真正的危险。
一般安全 - 所有人都有的安全的一般方面
智能传感器系统已经在一些地区实施，例如中国政府使用面部识别系统进行一般安全。这个想法可以在生产工厂中复制以消除对通行证的需求。与传统的门禁卡或钥匙相比，生物识别措施具有更高的精度。如果数据在现场处理，此解决方案效果最佳。
挑战
当然，这样的努力带来了重大问题。首先，传感器需要处于最佳状态，并且与其他系统和整个系统兼容。不应忽视为了顺利操作而连续安装，连接和校准它们的工作。
接下来，通过处理单元发送的数据量是巨大的，这意味着系统应该为网络流量做好准备，或者找到处理本地某些信息的方法，并只发送结果供进一步分析。
最后，存储的图像和现实之间可能会有细微的差异。系统的容忍度应设置得足够低，以便正确分类对象，并且足够高以便区分可接受和危险的情况。
未来发展方向
目前，计算机视觉算法大部分是确定性的并且是有限的，但是却非常有用。试想一下机器学习会带来的进步。它会告诉系统需要寻找什么，它将使它从过去的经验中学习，就像质量保证工程师在工作中一样。
在初始训练阶段和现场校准之后，它将能够提供额外的功能，如面部检测。从各种传感器收集数据并检测相关危险的风险是另一个潜在的方向。
