COMMiT: Sistema de detección de fatiga y comportamientos anómalos en operarios de maquinaria pesada mediante visión artificial

En aquellos años, el crecimiento de los productos basados en visión artificial convertía a esta tecnología en una vía de solución a problemas de la vida cotidiana de las personas en ámbitos como la seguridad, la educación o la salud. El sector industrial era uno de los que más podía aprovechar las ventajas de las soluciones de visión por computador para la captura, el análisis y la visualización de información de procesos cada vez más complejos, aunque su uso se encontraba todavía en una fase temprana de experimentación e implantación, sobre todo en aplicaciones o tareas críticas del proceso productivo, como la prevención de riesgos laborales.

Uno de los puestos de trabajo con mayores riesgos era el de operario de maquinaria pesada, presente en procesos de fabricación y distribución de equipamiento y materiales en contextos muy diversos (construcción, transporte, gestión de almacenes). El manejo de este tipo de maquinaria exigía al operario realizar tareas precisas y repetitivas que, por motivos de seguridad, resultaban críticas y requerían toda su atención durante largos periodos de tiempo, por lo que la monitorización y la detección temprana de fatiga o signos de estrés resultaban cruciales para la prevención de accidentes laborales y para la productividad y eficiencia del proceso.

A pesar de los avances conseguidos en el sector industrial, la supervisión del manejo de maquinaria pesada seguía dependiendo de una persona que vigilase y asistiese al operario durante la carga y el desplazamiento de material, comunicándose con él a través de micrófonos o intercomunicadores cuyo uso resultaba complicado en escenarios de mucho ruido generado por la propia maquinaria, lo que dificultaba detectar o reaccionar a tiempo ante un incidente.

El proyecto COMMiT abordó esta problemática mediante el desarrollo de algoritmos de visión artificial con técnicas de machine learning para el análisis facial de los operarios de maquinaria pesada, con el objetivo de detectar signos de fatiga y estrés que permitieran la prevención o la reacción temprana ante accidentes, y con ello reducir costes y mejorar la productividad. Para ello se diseñó un sistema con cámaras pensado para ser integrado en cabinas, capaz de capturar y analizar de manera continua las expresiones faciales del operario para alertar ante cualquier comportamiento anómalo, empleando además técnicas de machine learning para entrenar los algoritmos y ajustarlos a cada escenario y casuística particular, y guardando un histórico de datos de cada operario que permitía analizar su evolución en el tiempo, identificar indicios de futuros problemas y retroalimentar el sistema para mejorar el proceso de monitorización.