افزایش ضریب ایمنی سایت های ساخت و ساز با پردازش تصو یر کلاه ا یمنی

ایمنی کارگران در کارگاههای ساختمانی یکی از مهم ترین جنبه ها یی است که سرپرستان باید در حین انجام وظایف مورد نیاز خود نسبت به کارگران در نظر بگیرند. در اکثر نقاط جهان، قوانین و مقررات بسیاری برای کاهش صدمات و تلفات در محل کار اجرا شده است . با این حال، تعداد تصادفات همچنان ادامه دارد به عنوان مثال، سقوط از ارتفاع به عنوان علت اصلی صدمات در نظر گرفته می شود. این مقاله به معرفی یک تکنیک جدید با بررسی و مطابقت کارگران مبتنی بر استاندارد ایمنی سیستم دستگیری شخصی سقوط ( ۱(PFAS می پردازد.در این پژوهش یک تشخیص زمان واقعی با استفاده از الگوری تم مبتنی بر مدل شبکه عصبی کانولوشن ۲(CNN) علاوه بر شناسایی دو مولفه اصلی از PFAS (مهار ایمنی و خط زندگی )، یک معیار ایمنی استاندارد نیز برای استفاده کلاه ایمنی را ایجاد می کند.برای این منظور از الگوریتم YOLOv۵ برای یک شبکه یادگیری عمیق استفاده شده است . این مدل دارای حدود ۹۴ درصد دقت کلی در تشخیص اشیا و ۸۳ درصد دقت در اشیاء شناسایی شده در شرایط ۳ RGBمعمولی و ۹۰.۲ درصد دقت در فراخوان کلی است .

کلیدواژه ها:

ایمنی ، سقوط ، کانولوشن ، yolov۵ ، ایمنی