公司提供了一個攝影機，感測器和深度學習網路，在不安全的地方安置工人，並在發生事故之前提醒他們。
Bram Masselink 不在乎搖擺船。
在大學期間，這位荷蘭企業家創立了一家提供訓練課程的公司，在一個對私有化教育不滿的國家，該公司每年對 15,000 名學生進行期末考試提供幫助 。
後來，他決定尋找一個爭議性較小，但同樣具有挑戰性的機會，最好是在高度專業化的市場。他發現 AI 技術可以導入到石油鑽塔的安全系統，而石油鑽塔恰好是世界上最危險工作場所之一。
Masselink 說：“我們希望在複雜的環境中找到一個資本密集的國際產業。我們的假設是，工作越複雜，工作的人就越少。”
因此在 Masselink 創業之前，他找到了 Arie Rolloos ， Arie 是在 50 年前就創立 Rolloos Oil ＆ Gas BV 的那個人的孫子。 Rolloos 剛開始銷售和維護堆高機和軍事設備，最後發展成為石油鑽塔上提供起重機安全和攝影機系統的製造商。
Masselink 決定，將一些智慧相機和感測器形式的 AI 導入 Rolloos 的系統是一個理想的方案。
他說：“如果您設計或開發出可以使客戶的效率提高甚至百分之一的真正智慧產品，您就可以開給他一張漂亮的發票，”他說。
Rolloos 使用 NVIDIA 的技術堆疊（從邊緣 GPU 到優化的深度學習容器）來建構系統，然後將其部署在海上鑽井平台上。
救生員的誕生
當現任 Rolloos 董事總經理 Masselink 及其團隊開始開發演算法和工具，提供他們的訊息時，他們發現這項工作的重要性。
一位客戶有次因為機械故障和人為錯誤的原因，在一部鑽塔上發生事故，導致一名工人喪生。當設備發生故障時，該工人站在危險的地方，鬆動的沉重油管砸傷了工人的頭部。
Masselink 回憶起四年前發生的事件：“令我震驚的是，人們仍然死於工作環境中。”
Rolloos 團隊與客戶合作開發了他們所謂的“紅區系統”，該系統使用由 NVIDIA GPU 支持的 AI 驅動的電腦視覺算法以及攝影機和感測器網路，在不安全的地方定位鑽井工人，並在意外發生之前向他們發出警報。
如預期的那樣，Rolloos 和客戶端制定過程，然後將實時情況與該制定藍圖進行比較。這樣一來，他們就可以確定造成效率低下的是設備還是人。他們發現，紅色區域系統能做的比挽救生命還多。
Rolloos 紅區系統
Masselink 表示：“這不僅是安全系統，還是發現如何更有效地工作的工具。”也許借助其他工具或機械，他們可以做得更好。他們只是不知道。我們為他們提供了學習的工具。”
這是一個至關重要的考慮因素：如果一項工作可以由三個人而不是四個人來完成，那就是一個不能站在不安全位置的人。
艱苦的發展過程
在開發 Red Zone 系統時， Rolloos 首先將相機（很多相機）安裝在客戶的設備上，並捕獲了在各種天氣和條件下進行的 60 天各種類型的操作。
然後，該公司使用人工標記去標註影片數據中的每個人和物體，並使用該訊息來建構可識別人在複雜裝備環境中的演算法。
由於標註的數據是通過 Rolloos 模型運行的，因此重點在於提高準確性和減少誤報。如今，該模型可以精確定位 18 英寸以內的位置，並且可以在 250 毫秒內完成完整的序列。每個錯誤警報都是進一步完善模型的機會。
而且由於鑽油機塔上沒有連網網路，因此所有這些操作都是在現場運行的硬體上完成的。
Rolloos 最初使用 NVIDIA Jetson TX2 GPU 進行影片串流壓縮。他們最近升級到了 Jetson AGX Xavier ，並且看到了更好的性能。通過使用 NGC 的 DeepStream 和 TensorRT 等 NVIDIA 的加速工具包，該公司可以主動地實時監視紅色區域。
Rolloos 在 NVIDIA 資料中心 GPU 上訓練了其深度學習模型，並將其部署到 NVIDIA T4 Tensor Core GPU 上進行推論。 Masselink 表示，他們還在評估 Jetson 的推論能力。
Rolloos 目前正在收集數據指標以說明 Red Zone 系統的影響，但也許最重要的數據指標已經昭然若揭。
“人們已經改變了自己的行為，”Masselink 說。
尋找紅色區域
展望未來， Masselink 認為在其他環境和行業中， Rolloos 的 Red Zone 系統具有很大的擴展潛力。 首先，他計劃擴展到鑽油機塔的其他部分，例如裝卸設備的地點。 他還與客戶合作開發更多的自動化報告功能。
採礦業以及使用大型容器或工業工具的任何地方都是其他潛在市場。 Masselink 說，關鍵是將技術精進到易於轉讓的地步。
他說：“我們希望使其非常標準化，並具有更多的即插即用功能。” “該架構應盡可能模組化，以便您可以運用到其他的使用案例。”