Detección de equipos de protección personal mediante red neuronal convolucional YOLO

Use este enlace para citar
http://hdl.handle.net/2183/24891
A non ser que se indique outra cousa, a licenza do ítem descríbese como Atribución-NoComercial 3.0 España
Coleccións
Metadatos
Mostrar o rexistro completo do ítemTítulo
Detección de equipos de protección personal mediante red neuronal convolucional YOLOTítulo(s) alternativo(s)
Detection of Personal Protection Equipment Using the Yolo Convolutional Neural NetworkData
2018Cita bibliográfica
Massiris, M., Delrieux, C., Álvaro Fernández, J Detección de equipos de protección personal mediante red neuronal convolucional YOLO. En Actas de las XXXIX Jornadas de Automática, Badajoz, 5-7 de Septiembre de 2018 (pp.1022-1029). DOI capítulo: https://doi.org/10.17979/spudc.9788497497565.1022 DOI libro: https://doi.org/10.17979/spudc.9788497497565
Versións
http://hdl.handle.net/10662/8846
Resumo
[Resumen] En un número creciente de entornos de trabajo está tornándose obligatorio el uso de equipos de protección personal, debido a que son la última barrera para detener situaciones potenciales de riesgo físico para el trabajador. Eso determina que controlar en forma periódica y fehaciente el cumplimiento de las normas de seguridad laboral sea una tarea demandante, por lo cual el monitoreo no supervisado representa una solución de alto impacto para la seguridad industrial. El presente artículo propone utilizar visión artificial como alternativa cuantitativa para monitorear la utilización de equipo de protección personal. Se entrenó la red neuronal YOLO con la intención de detectar guantes, cascos, ropa de alta visibilidad y a los trabajadores con un dataset creado a partir de videos generados utilizando cámaras deportivas. Con el sistema entrenado, se presenta un análisis de caso in the open con un video grabado con cámara deportiva sujeta al casco de un trabajador metalúrgico en el sector de la construcción. Los resultados son promisorios y muestran que la estrategia planteada es adecuada para llegar a una solución implantable en ambientes de trabajo. [Abstract] In an increasing number of working environments, the use of personal protective equipment is becoming mandatory, since they are the last barrier to stop potential situations of physical risk for the worker. This means that periodically and reliably monitoring compliance with labor safety standards is a demanding task, which is why unsupervised monitoring represents a high impact solution for safety. This article proposes using artificial visión as a quantitative alternative to monitor the use of personal protective equipment. The YOLO neural network was trained with the intention of detecting gloves, hard hats, high visibility suits and workers with a dataset created from videos generated using sports cameras. With the trained system, an in-theopen case analysis is presented with a video recorded with a sports camera attached to the helmet of a metallurgical worker in a real construction site. The results are promising and show that the proposed strategy is adequate as implantable solution for these work environments.
Palabras chave
Visión por computador
Equipos de protección personal (EPP)
Seguridad industrial
Computer vision
Personal protective equipment (PPE)
Industrial safety
Equipos de protección personal (EPP)
Seguridad industrial
Computer vision
Personal protective equipment (PPE)
Industrial safety
Versión do editor
Dereitos
Atribución-NoComercial 3.0 España
ISBN
978-84-09-04460-3 (UEX) 978-84-9749-756-5 (UDC electrónico)