Desenvolvimento de um sistema de monitoramento em tempo real de utilização de epi a partir de aprendizado de máquina

Abstract

RESUMO: Equipamento de Proteção Individual (EPI) é o equipamento de uso individual utilizado pelo trabalhador, cujo principal propósito é protegê-lo contra riscos capazes de prejudicar sua saúde e segurança, além de reduzir os custos para o empregador com substituições de pessoal, demissões e processos de indenização. No entanto, muitas vezes, seja por negligência ou desconforto, há resistência ao seu uso e/ou à remoção do equipamento durante a realização das atividades. Diante desse problema, o departamento de Saúde, Segurança e Meio Ambiente (SMS) deve, portanto, inspecionar e monitorar o uso adequado do equipamento de proteção pessoal pelos trabalhadores na maioria das vezes. Como alternativa para auxiliar o departamento de segurança na verificação, demanda e quantificação do uso de equipamentos de proteção no local de trabalho, este projeto apresenta um modelo de aprendizado de máquina baseado na arquitetura You-Only-Look-Once (YOLO) para verificar a conformidade dos trabalhadores em relação ao seu comportamento de segurança em tempo real, utilizando imagens/- vídeos de um sistema de segurança instalado em um local movimentado dentro de uma indústria. O algoritmo utiliza a abordagem de detecção de trabalhadores e EPIs básicos, como capacete, luvas e óculos, simultaneamente, por meio de aprendizado profundo previamente treinado por um conjunto de dados de imagens de trabalhadores em diferentes tipos de ambientes de trabalho e, em seguida, verifica se cada caixa delimitadora gerada está na posição correta, confirmando assim se o trabalhador está utilizando EPI ou não. Posteriormente, o plano inclui o desenvolvimento de um programa que utiliza o modelo de aprendizado de máquina pré-treinado da rede YOLO para prever se um trabalhador está utilizando EPI ou não, verificando a viabilidade de aplicar esse processo de detecção em vídeo em tempo real.

ABSTRACT: Protective Equipment (PPE) is the equipment for individual use used by the worker where its main purpose is to protect against risks capable of jeopardizing their health and safety, in addition also reducing costs to the employer with personnel replacements, dismissals and indemnity processes. However, many times, either through negligence or discomfort, there is resistance to its use and/or the removal of the equipment during the performance of activities. In view of this problem, the HSE (Health, Safety and Environment) department must therefore inspect and monitor the proper use of workers‘ personal protective equipment mostly of the time. As an alternative to assist the security department in verifying, demand and quantifying the use of protective equipment in the workplace, this project presents a machine learning model based on the You-OnlyLook-Once (YOLO) architecture to verify the workers‘ compliance regarding their safety behavior in real time, using images / video of a security system installed in a busy place within an industry. The algorithm uses the approach of detecting workers and basic PPE as helmet, gloves, goggles simultaneously by deep learning previously trained by a image dataset of workers in different types of labour ambient, and next verifies that each bounding box generated is in the correct position, thus confirming if the worker is carrying PPE or not. Later, the plan includes developing a program that utilizes the pre-trained machine learning model from YOLO to predict whether a worker is using PPE or not. Verifying the viability of applying this detection process in real-time video streams.