Konenäöllä turvallisempaa trukkiliikennettä

Tiivistelmä

Trukkiliikenne kuuluu teollisuuden ja logistiikan arkeen, mutta siihen liittyy myös merkittäviä turvallisuusriskejä. Näkyvyyttä heikentävät esimerkiksi trukin rakenteet, kuormat, ahtaat kulkuväylät ja vaihtelevat ympäristöolosuhteet. Konenäkö tarjoaa yhden mahdollisen keinon tukea kuljettajan havainnointia erityisesti tilanteissa, joissa ihmisen havaitseminen on vaikeaa pelkän suoran näköyhteyden perusteella. Tässä artikkelissa tarkastellaan RoboAI-akatemiassa suunniteltua ja testattua konenäköön perustuvaa ratkaisua, jossa järjestelmä tunnistaa ihmisen kuvasta ja antaa kuljettajalle hälytyksen, kun henkilö havaitaan ennalta määritellyllä riskialueella. Ratkaisu tuottaa sekä visuaalisen että auditiivisen varoituksen. Sen tavoitteena on varoittaa kuljettajaa riittävän ajoissa ennen vaaratilanteen syntymistä erityisesti tilanteissa, joissa näkyvyys on rajoittunut. Tällainen lähestymistapa voi tukea erityisesti trukin sokeiden kulmien valvontaa ja täydentää kuljettajan omaa havainnointia. Tarkastelu osoittaa, että konenäkö voi parantaa tilannetietoisuutta, mutta käytännön toimintavarmuus edellyttää huolellista suunnittelua muun muassa kameran sijoittelun, valaistusolosuhteiden, tunnistuslogiikan, hälytysrajojen ja ympäristön vaihtelun huomioimisessa. 

Trukkiliikenteen turvallisuus tarvitsee uusia ratkaisuja 

Trukkiliikenteessä turvallisuus perustuu pitkälti kuljettajan havainnointikykyyn, ajotapaan ja työympäristön selkeyteen. Käytännössä näkyvyys ei kuitenkaan ole aina esteetön. Trukin runko, masto, haarukat ja kuljetettava kuorma voivat peittää näkymää eteen ja sivuille, ja etenkin risteävissä kulkureiteissä tai ahtaissa sisätiloissa vaaratilanteet voivat syntyä nopeasti. Siksi teknologioilta odotetaan yhä enemmän tukea kuljettajan päätöksenteolle ja ympäristön havainnoinnille. 

Yksi kiinnostava vaihtoehto trukin kuljettajaa avustavaksi teknologiaksi on konenäkö. Sen etuna on, että järjestelmä voi tunnistaa ihmisen suoraan kameran kuvasta ilman, että jalankulkijalla on mukanaan erillistä tunnistetta, lähetintä tai turvaliivin elektroniikkaa. Tämä tekee ratkaisusta käyttäjälle huomaamattoman ja mahdollistaa turvallisuuden tukemisen myös tilanteissa, joissa alueella liikkuu henkilöitä useissa eri rooleissa. Samalla konenäkö tuo kuitenkin mukanaan omat haasteensa: valaistus vaihtelee, auringon kirkas valo voi estää näkemisen kokonaan, taustat muuttuvat, näkökentässä voi olla muita koneita, rakenteita tai höyryä, ja henkilö voi näkyä kuvassa vain osittain.

Yhteistyössä kehitetty demonstraatio turvallisemman trukkiliikenteen tueksi

Työ eteni RoboAI-akatemian opiskelijoiden ja hankkeen tutkijoiden yhteistyönä, ja sen tavoitteena oli selvittää, miten konenäköä voitaisiin hyödyntää trukkiliikenteen turvallisuuden parantamisessa. Tarkoituksena ei ollut rakentaa vielä teolliseen käyttöön valmista tuotetta, vaan kehittää laboratorio-olosuhteisiin demonstraatio, joka havainnollistaa toimintaperiaatetta ja tukee teknologian soveltuvuuden arviointia käytännön tarpeisiin. 

Projektin alkuvaiheessa opiskelijat perehtyivät konenäön perusteisiin ja vertailivat erilaisia tapoja tunnistaa henkilöitä kameran kuvasta. Tarkastelun kohteena oli erityisesti se, miten järjestelmä erottaisi ihmisen muista kohteista luotettavasti ja riittävän nopeasti. Turvallisuussovelluksessa olennaista ei ole ainoastaan tunnistuksen tarkkuus, vaan myös se, että järjestelmä reagoi riittävän nopeasti ja esittää hälytyksen kuljettajalle ymmärrettävästi. 

Kameravalinnat ja tekninen toteutus 

Suunnittelussa huomioitiin myös kameraratkaisun käytännöllisyys. Alkuperäisenä ajatuksena oli hyödyntää konenäkökameroita, sillä niiden kuvanlaatu ja kuvataajuus ovat tyypillisesti hyviä. Projektin kannalta keskeiseksi kysymykseksi nousi kuitenkin tarkennus. Monissa teollisissa konenäkökameroissa tarkennus säädetään käsin, mikä voi vaikeuttaa käyttöä tilanteissa, joissa kuvausetäisyys vaihtelee. Tästä syystä demonstraatiojärjestelmässä päädyttiin käyttämään hyvälaatuista webbikameraa, jonka automaattitarkennus soveltui laboratorioympäristön tarpeisiin hyvin. Ratkaisu oli käytännöllinen ja tuki projektin tavoitetta: osoittaa toimintaperiaate luotettavasti ilman raskasta laitteistointegraatiota. 

Rakennetussa demonstraatiossa kamera tuottaa jatkuvaa videokuvaa, jota ohjelma analysoi reaaliaikaisesti. Kun järjestelmä havaitsee kuvasta ihmisen, se merkitsee tämän näkyviin rajauslaatikolla (Kuva 1). Kameran kuvaan määriteltiin lisäksi hälytysraja, joka vastaa riskialuetta trukin ympärillä. Kun havaitun henkilön ympärille piirtynyt rajauslaatikko siirtyy tämän rajan sisäpuolelle, järjestelmä aktivoi hälytyksen. Hälytys toteutettiin kahdella tavalla: ohjelma tuottaa äänimerkin, ja samalla Arduino-ohjattu led-järjestelmä antaa visuaalisen varoituksen. Näin kuljettajalle välittyy tieto vaaratilanteesta useamman aistin kautta. 

Demonstraatio havainnollisti toimintaperiaatteen 

Demonstraation vahvuus oli se, että se ei jäänyt pelkäksi teoriaksi. Järjestelmällä voitiin testata ja näyttää konkreettisesti, miltä konenäköavusteinen turvallisuusratkaisu voisi käytännössä näyttää. Tulosten perusteella tunnistus toimi myös tilanteissa, joissa ihminen ei ollut kameran edessä täysin suorassa tai näkyi osittain esteiden takaa. Tämä on tärkeä havainto, koska todellisessa työympäristössä ihmiset eivät liiku kameralle optimaalisissa asennoissa, vaan voivat esimerkiksi kumartua, kääntyä, työskennellä ajoneuvon lähellä tai näkyä vain osittain rakenteiden lomasta. 

Työn keskeinen hyöty oli asiakkaan näkemyksen konkretisoiminen. Kun ideasta rakennetaan toimiva demonstraatio, keskustelu siirtyy helposti yleisistä toiveista kohti tarkempia teknisiä ja toiminnallisia vaatimuksia. Samalla on mahdollista arvioida, millaisia hälytyslogiikoita tarvitaan, mihin kamera kannattaa sijoittaa, millainen näkökenttä on riittävä ja miten väärät hälytykset voidaan pitää hallinnassa. Tällainen prototyyppivaiheen työ on usein ratkaisevaa ennen kuin järjestelmää kannattaa viedä laajempiin kenttätesteihin. 

Konenäön hyödyt ja käytännön haasteet 

Tulokset osoittivat, että konenäkö voi olla varteenotettava keino tukea trukkiliikenteen turvallisuutta erityisesti sokeissa kulmissa olevien ihmisten havaitsemisessa. Se ei kuitenkaan yksin ratkaise kaikkea. Teollisessa ympäristössä järjestelmän toimintaan vaikuttavat valaistuksen vaihtelut, likaantuvat linssit, sääolosuhteet, heijastukset, pöly, höyry sekä ympäristön jatkuvat muutokset (Kuva 2). Lisäksi turvallisuuskriittisessä sovelluksessa on arvioitava tarkasti, milloin hälytys annetaan, miten kuljettaja siihen reagoi ja kuinka usein järjestelmä voi erehtyä ilman, että sen käytettävyys kärsii. 

Jatkokehityksessä keskeisiä teemoja ovatkin laajempi testaus todellisissa käyttöympäristöissä, kamerasijoittelun optimointi, tunnistuksen luotettavuuden parantaminen sekä mahdollinen useamman anturin yhdistäminen. Konenäkö voi toimia tehokkaimmin osana laajempaa turvallisuusratkaisua, jossa kuljettajan havainnointia tuetaan usealla toisiaan täydentävällä menetelmällä. 

Kohti turvallisempaa työympäristöä 

UPM:n Rauman tehtaan kanssa tehty yhteistyö osoitti, että jo laboratorio-olosuhteissa rakennettu demonstraatio voi tuottaa arvokasta tietoa uuden turvallisuusteknologian mahdollisuuksista. Samalla työ havainnollisti, miten opiskelijoiden käytännön toteutusosaaminen ja tutkijoiden asiantuntemus voivat täydentää toisiaan turvallisuutta kehittävissä kokeiluissa. Konenäkö ei poista tarvetta hyvälle työympäristön suunnittelulle tai turvallisille toimintatavoille, mutta se voi tarjota kuljettajalle tärkeän lisänäön sinne, minne silmä ei yksin näe.