Computer vision and artificial intelligence system for real-time detection of the use of personal protective equipment in industrial environments

方法

YOLOv8模型、树莓派、ESP32、滑动窗口滤波，2250张训练图像。

发现

系统能实时检测头盔、背心、手套和靴子，准确率96.5%，召回率91.8%。

机会点

可迁移至农业场景，检测农机操作员或温室工人的防护装备使用，提升农业作业安全。

在高风险工业部门（如重型机械维护）中，由于个人防护装备（PPE）的不当使用或缺失，工作场所安全仍然是一项关键挑战。本研究提出了一种基于计算机视觉和人工智能的智能系统，并辅以电子设备，用于实时检测和监测安全帽、背心、手套和靴子的使用情况。研究采用定量方法，结合准实验设计，并通过使用配备防护元素的假人模型进行受控测试来验证，以模拟真实工作条件。该系统使用连接至运行YOLOv8检测模型的Raspberry Pi的摄像头，在300张图像的测试集上实现了96.5%的准确率和91.8%的召回率。该模型在2,250张图像上进行了训练，并使用额外的300张图像进行了验证。检测结果传输至ESP32微控制器，由其通过LED、LCD屏幕和蜂鸣器控制本地警报，并通过Wi-Fi经Telegram实现自动通知。应用滑动窗口滤波技术以减少误报，提高监测可靠性，并强化预防性安全文化。研究结论认为，将人工智能集成到自动化PPE检测中，为改善工业环境中的工作场所安全提供了一种高效、实用且可复制的解决方案。