מערכת גילוי שריפות לפי וידאו: צמצום אזעקות שווא

למה זיהוי עשן AI טועה באתרים אמיתיים

מודל, שאומן על מערכי נתונים פתוחים, מציג דיוק גבוה במדגם בדיקה ומתפרק באתר. הסיבה אינה באיכות המודל, אלא בפער בין פריימים של אימון לבין מה שהמצלמה באמת רואה: השתקפויות שמש על גג מתכת, החזרת תאורה בשלולית, קיטור מיחידת חום או ממתקן שטיפה, אבק בבית מלאכה שהועלה על ידי מלגזה.

עבור זיהוי עשן AI זה לא רעש, אלא מבנה — אזורים מטושטשים חצי-שקופים, הנעים כלפי מעלה, בדיוק אותם סימנים שהמסווג אומן עליהם.

תאורת לילה מוסיפה גל שני של שגיאות. החיישן עובר להגבר גבוה, הגרעיניות גדלה, והאלגוריתם מקבל אותה כמסך עשן; משמרת תורנית מקבלת התראות שווא על פריים ריק.

לאחר מכן פועל הגורם האנושי: אחרי סדרה של הפעלות, המפעיל מתחיל לדחות בדיקה למשמרת הבאה — והמוקד האמיתי מתגלה לפי ריח, ולא על ידי אנליטיקת וידאו של שריפות.

קטגוריה נפרדת — מקורות חוקיים של עשן וקיטור בפריים: סיגריה בשטח, אדים מממסים, קיטור מציוד ייבוש. להעלות את סף הרגישות זה פשוט, אבל אז גדל השיהוי בזיהוי הצתה אמיתית, ועשן בשלב מוקדם מפסיק להיות מובחן מהרקע.

אנחנו מפרקים איך זה נסגר — מהכנת נתונים ועד כללי אישור התראה.

האפקט מהטמעה: התראות שווא, זמן תגובה, זמן השבתה

יש טעם למדוד את ההטמעה לא ב"דיוק המודל", אלא בשלושה מספרים: כמה התראות שווא התורן מאשר במשמרת, כמה שניות לוקח לאשר, וכמה דקות קו או ציוד מושבת בגלל עצירה על אות שווא. המדדים האלה נלקחים מאותו זרם וידאו ויומנים שכבר קיימים במערכת — אין צורך לפרוס מדידה נפרדת.

התראות שווא וזמן התגובה של התורן

הפריים עובר בדיקה דו-שלבית: גלאי עשן ולהבה מוצא מועמד, השלב השני בודק אותו מחדש לפי דינמיקה במשך 8-15 שניות — האם השטח גדל, האם יש הבהוב אופייני ותנועת עשן. דווקא כאן מתרחשת הירידה העיקרית בהתראות שווא: מוסרים קיטור מציוד תהליכי, אבק, החזרי ריתוך, נצנוצי שמש.

התורן, במקום זרם של אותות בודדים, מקבל אפיזודה מוכנה עם מסגרת וקטע קצר. זמן התגובה של התורן מתקצר ל-10-20 שניות — במקום דקות של חיפוש המצלמה הנכונה ודילוג בארכיון.

סוגי כשלים, זמן השבתה ועומס על הצוות

לאחר העברת הלוגיקה לאנליטיקת וידאו נעלם סוג כשלים הקשור לגורם האנושי: אות שהוחמץ בסוף משמרת, "התרגלות" להפעלות מתמשכות, הפעלה מחדש ידנית לאחר תקלה. העומס על הצוות יורד פי כמה, וזה נראה ביומן — לפי מספר האפיזודות שעובד המפעיל.

זמן ההשבתה עקב התראת שווא מתקצר לדקות: את מחירו קובעת בדיוק משך העצירה. עמידה בתקנים רלוונטיים, כמו דרישות NFPA, נבדקת בקבלה, ולא אחרי התקרית הראשונה.

מצבי אנליטיקת וידאו: השוואת אפשרויות ומגבלות

בחירת מצב קובעת לא רק את שלמות זיהוי העשן, אלא גם כמה התראות שווא יגיעו למפעיל. מצבי הניתוח נבדלים בכך היכן מחושבים סימני העשן ואיך מוגדר סף הרגישות: במצלמה הוא נקבע פעם אחת ועובד על הזרם, בשרת — מחושב מחדש לפי הארכיון ומשתנה בלי לצאת לאתר. מכאן מגבלות שונות בשיהוי, בעומס על הערוץ ובמספר האזורים שאפשר להחזיק בפיקוח באמת.

גבולות היישום: במה נתקלת כל אפשרות

השוואת גישות לפי מחיר הטעות

ההבדל בין האפשרויות מתגלה בסף ההפעלה. אם הסף נמוך מדי, המפעיל שוקע בבדיקות; אם גבוה מדי — מפספסים שלב מוקדם של עישון.

לכן באתרים עם זרימת אנשים צפופה אנחנו בדרך כלל שמים במצלמה מסנן גס לפי תנועה וצבע, ואת זיהוי העשן העדין מעבירים לשרת, שם המודל רואה את הפריים כולו ומביא בחשבון דינמיקה. ניתוח לאחר התראה מחברים כשכבה שלישית — הוא מספק חומרים לאימון נוסף ומאפשר להעלות דיוק בלי להחליף ציוד.

שלבי הטמעה: מביקורת מצלמות ועד מסירת נהלים

החלק ההנדסי תופס יותר זמן מהמודל עצמו: זיהוי עשן AI נותן תוצאה צפויה רק כאשר האזורים, הספים והמשמרת התורנית מכווננים לאתר הספציפי.

סקר והכנת נתונים

1. ביקורת מצלמות. בודקים זוויות, חסימות, סנוור ועבודה בחושך: מצלמות שבהן עשן אינו מובחן פיזית לא נכללות במעגל — אחרת נקבל זרם של התראות שווא.
2. סימון אזורים וזוויות. לכל ערוץ מגדירים אזורי עניין ומסכות לקיטור, פליטה, השתקפויות וענפים מתנדנדים — זה מסיר את רוב התראות השווא עוד לפני כוונון המודל.
3. איסוף מדגם אימון. אוספים קטעים עם עישון, קיטור, אבק ותאורה ממצלמות שונות ובשעות שונות ביום, כדי שהמודל ילמד באתר, ולא על נתונים מופשטים.

כוונון, בדיקה וקבלה

• כוונון ספים. מתאימים רגישות ומספר פריימים מאשרים למצב האתר: בלילה הסף גבוה יותר, בבית מלאכה נמוך יותר. פריים בודד לא מרים התראה.
• בדיקה על ארכיון. מריצים את ההגדרות על הקלטות קודמות וסופרים כמה הפעלות שווא והחמצות המערכת הייתה נותנת — זה המבחן הכי הוגן לפני הפעלה.
• קבלת מערכת עם משמרת תורנית. אבטחה ומפעיל מתרגלים התראות אימון: לאן להסתכל, למי להתקשר, תוך כמה שניות. את הנוהל בודקים יחד עם האנשים.
• מסירת נהלים. מוסרים מפות אזורים, ערכי ספים, סדר פעולות בעת הפעלה והוראה להרכבה מחדש בעת שינויים באתר.

מה מוסרים לידיים: תצורות, מפות, נהלים

הפרויקט מסתיים לא בהדגמת זיהוי בסרטון תצוגה, אלא בחבילת ארטיפקטים שלפיה שירות התפעול מלווה את המערכת בלעדינו.

תצורה ולוגיקת הפעלות

• קובצי תצורת זיהוי: ספי רגישות לעשן ולהבה, זמן אישור התראה, אזורי מיסוך — פינות עישון, מטבחים, עמדות ריתוך, אזורים עם קיטור ואבק.
• מפת אזורים וזוויות: שיוך מצלמות לאזורי אחריות, כיוון צפייה, חסימות ואזורים מתים.
• רשימת תרחישי התראה: אילו שילובי אותות נותנים התראה מאושרת, אילו עוברים למפעיל כאזהרה, ואילו נכבים כהתראות שווא ידועות.
• ספריית קטעי בקרה: הקלטות עם קיטור, אבק, החזרים וסנוור — עליהן בודקים שאחרי אימון נוסף שיעור הפעלות השווא לא גדל.

נהלים, הרשאות, הדרכה

• כללי גישה ותפקידים: מי רואה את הזרם, מי משנה ספים, מי סוגר התראה; יומן פעולות מנהל והיסטוריית הגדרות.
• נוהל תורן: סדר פעולות בעת הפעלה, מה מתעדים, למי ומתי מסלימים את האות.
• הוראה לאימון נוסף: איך לסמן דוגמאות חדשות מהאתר, באיזו תדירות לעדכן את המודל ולפי אילו קריטריונים לקבל עדכון.
• הוראות לצוות האתר: תזכורת לאבטחה ולמשמרת — מה לעשות בהתראה ומה אסור לכבות באופן עצמאי.

הרכב החבילה מתעדים בכתב מסירה: לפי כל סעיף רואים מי אחראי לעדכניות שלו.

מקרה בוחן: מחסן, הפעלות שווא הצטמצמו פי כמה

אתר מחסן: שמונה אזורי אחסון ורח�בה פתוחה. אנליטיקת וידאו הופעלה לפי סף בהירות — קיטור ממלגזה, אבק מתחת לגלגלים והשתקפות שמש על משטח נכנסו להתראה. התורן קיבל יותר מ-180 אותות ביממה והפסיק להתייחס אליהם כאירועים.

תצורה התחלתית

זיהוי עשן עבד על מודל אחד, שאומן על סרטונים פתוחים, עם סף שהוגדר "ליתר ביטחון". מצלמות Hikvision כתבו ארכיון, האנליטיקה ניתחה אותו בדיעבד, וההתראה הגיעה כשהמוקד כבר בער. יציאות אבטחה — עד שש בשבוע, ואף אחת לא אושרה.

מה שינו

פיצלנו את המשימה לשני שלבים: זיהוי מהיר של עשן וחריגות בפריים, ואז בדיקה במודל שני על קטע קצר — הוא מבדיל עשן מקיטור ואבק לפי דינמיקת ההתפשטות. את הסף כיווננו בנפרד לכל אזור, בהתבסס על סימון של חודשיים ארכיון. התראה מגיעה עם קטע לפני ואחרי האירוע, והתורן רואה הקשר, ולא פריים בודד.

בסופו של דבר — 12 התראות ביממה במקום 180, אישור תוך 40 שניות במקום תשע דקות, יציאות אבטחה עקב אותות שווא פסקו במשך רבעון תצפיות. בתרחישי עישון מסומנים אין החמצות. סימון של מקרים שנויים במחלוקת חדשים צוות האתר מוסיף בעצמו, והמודל מתאמן נוסף בלי לעצור את המערכת.

במה שונה זיהוי בווידאו מחיישנים תרמיים?

הפיזיקה שלהם שונה. גלאי נקודתי מופעל כשעשן או אוויר מתחמם מגיעים פיזית לחיישן עצמו, ולכן אזור הבקרה שלו — מטרים בודדים והוא מקובע לגובה ההתקנה: ככל שהתקרה גבוהה יותר, כך זרם העשן השכבתי גדול יותר ואינו יורד אל הגלאי.

חיישן תרמי איטי עוד יותר — הוא ממתין לעליית טמפרטורה, ולא להופעת עשן, וברחבעות פתוחות עם זרמי אוויר ההפעלה נשחקת.

ערוץ וידאו עובד אחרת: המצלמה מעריכה את כל שטח הפריים, ולא נקודה, ומזהה עשן ולהבה בשלב מוקדם — לפני התחממות האוויר.

אם המערכת כבר מותקנת, לא מפרקים אותה: ערוץ הווידאו מתווסף מעל ומתאחד עם הלולאות הקיימות ברמת מכשיר הקבלה והבקרה. כפילות מערכות לפי עקרונות פיזיקליים שונים מפחיתה את שיעור ההחמצות — במקום שבו גלאי נקודתי שתק בגלל ריבוד, המצלמה נותנת התראה עם קואורדינטה.

תכנון אנו מבצעים לפי SP 484.1311500: הוא מגדיר דרישות לאזורי בקרה ולעבודה משותפת של גלאים מסוגים שונים, ואת פריסת המצלמות מחשבים לפי זרמי אוויר בפועל וגובה החלל.

ספקות טכניים: התראות שווא, תאורה, לילה, מצלמות

הספקות של תורנים ומתקינים צפויים: לילה ותאורה, קיטור ואבק, פארק מצלמות ישן, עומס על הרשת הקיימת. אנחנו עונים עליהם כפי שאנו מסבירים בקבלה — עם ציון מה פותר המודל ומה מכוונן במקום.

איך מפרידים עשן מקיטור ואבק?

עשן וקיטור דומים במרקם, ולכן בתצורה נרשמים אזורי החרגה: שטיפה, יציאת אוורור, אזור פריקה. בנוסף מוערכת דינמיקה — עשן מתרומם ומתרחב, קיטור מתפזר מהר. פריים שנוי במחלוקת עובר לתורן לאישור, ולא מיד לצופר.

האם צריך להחליף מצלמות ישנות?

אם המצלמה מוציאה זרם לפי פרוטוקול סטנדרטי, היא מתחברת בלי החלפה. כשהניגודיות חלשה והרזולוציה נמוכה, טווח הגילוי המוקדם יורד — בסקר מתעדים אילו ערוצים מתאימים לעשן ואילו רק לאש גלויה.

האם הרשת הקיימת תעמוד בזה?

העיבוד מתבצע בצומת מחשוב מקומי, לרשת נשלחים רק אירוע וקטע קצר. הערוץ לא נסתם בזרם וידאו, ובמקרה של ניתוק קשר הצומת עובד באופן אוטונומי ושולח אירועים מאוחר יותר.

איך מכווננת דיוק ההפעלה?

הסף מוגדר בנפרד לכל מצלמה, והמדד — שיעור התראות שווא תוך שמירה על זמן גילוי. בשבועות הראשונים לאחר ההפעלה מתבצע כוונון נוסף לפי אירועים אמיתיים: חלק מההפעלות מוסרות על ידי אזורים, וחלק על ידי הסף.

בואו נדון במשימה: תכנית הטמעה והערכה לפי אתר

הערכה לפי אתר נבנית מנתוני המקור: כדי לחשב מספר מצלמות, פרמטרים של אזורי זיהוי וזמן אישור התראה, יש צורך בתנאי השטח האמיתיים, ולא בקלט כללי. לכן לפני תכנית ההטמעה אנו מבקשים חבילת חומרים ומתעדים מה בדיוק בודקים במקום.

• תכניות קומה וסימוני גובה — לפיהם מחשבים חסימות צפייה, אזורים מתים ליד נתיבי מילוט ומספר נקודות הצפייה הנדרש.
• תרשים מצלמות קיימות: רזולוציה, זווית, גובה תלייה, צילום לילה. מחלק מהנקודות יהיה צורך לוותר, וחלקן — לסובב.
• אופי החללים: אבק, קיטור, אדים מהמטבח, מקורות עשן במצב שגרה. זה המקור העיקרי להתראות שווא, אותו מפרקים בנפרד.
• מצב הפעולה של האתר: משמרות, השבתות, חלונות לילה להתקנה ולכוונון, מי תורן בעמדה ואיך מגיב להתראה.
• רשימת הבעיות הנוכחיות: שיעור הפעלות שווא, על אילו אירועים מתלוננים, אילו הפעלות מתעלמים מהן.
• ערוצי תקשורת והזנה במצלמות, מגבלות הרשאות ואחסון הקלטה, דרישות שירות האבטחה.
• גבולות העבודה: האם נדרש חיבור למערכת התראה ואוטומציה לכיבוי אש, או רק הוצאת התראות למפעיל.

לפי הסט הזה אנו מרכיבים תכנית הטמעה: שלבים, נקודות בקרה, הרכב מפרט טכני ולוחות זמנים לאתר שלכם. תארו את המשימה וצרפו את מה שיש — נחזור עם הערכה ותכנית עבודה.