Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.unisinucartagena.edu.co:8080/xmlui/handle/123456789/1107
Título : Integración de una red neuronal convolucional para la detección de elementos de protección personal en los lugares de trabajo
Autor : Hernández Ruiz, Iván
Palabras clave : Redes Neuronal Convolucional
You Only Look Once (Yolo)
Sistema de Salud ySeguridad en el Trabajo
Elementos de Protección Personal
Fecha de publicación : 2023
Editorial : Universidad del Sinú, seccional Cartagena
Resumen : La pandemia de COVID-19 ha generado una mayor comprensión acerca de la importancia de que los trabajadores lleven y utilicen adecuadamente equipos de protección personal. Esto busca no solo reducir los riesgos de contagio, sino también salvaguardarlos de posibles accidentes laborales a los que se enfrentan en sus lugares de trabajo. Asimismo, se aceleró la confianza en el uso y adopción de las tecnologías 4.0 para solucionar problemas reales; es nuestro caso de interés su aplicación a los entornos de Seguridad y Salud en el trabajo (SST), que se ha constituido como una normativa global que garantiza el bien de los empleados en todas sus dimensiones. Este proyecto de culminación de pregrado persigue desplegar modelos soportados en Redes Neuronales Convolucionales que permitan detectar a trabajadores que no portan consigo elementos de protección personal como mascarillas faciales y cascos industriales. Para la construcción de la solución, inicialmente se construyó un dataset propio de 2.000 imágenes etiquetadas con y sin elementos de protección personal como mascarillas faciales y cascos industriales, posteriormente se construyó el modelo de detección soportado en algoritmo (Yolo) You Only Look Once, el cual es muy utilizado para esta tarea según revisión de la literatura realizada. El experimento se realizó con las versiones Yolov5 y Yolov6, para el entrenamiento utilizó el 80 de las imágenes, el 15% para prueba y un 5% validación del modelo. Se seleccionaron las métricas de Precisión, exhaustividad, la precisión promedio de cada clase es equivalente al AP, con este valor se calcula la media de la precisión promedio (mAP) en ambas versiones de los algoritmos utilizados. Finalmente, se identificó que YOLOv7 logró una mayor tasa de éxito de mAP@.5 del 0,8. Se obtuvo un modelo que puede ser desplegado como una aplicación que puede generar en un futuro alertas e informes estadísticos integrado al sistema de gestión de salud y seguridad en el trabajo. Palabras Claves: Redes Neuronal Convolucional, You Only Look Once (Yolo), Sistema de Salud ySeguridad en el Trabajo, Elementos de Protección Personal.
Descripción : Construir y entrenar un modelo de Red Neuronal Convolucional (CNN) para la detección de elementos de protección personal.
URI : http://repositorio.unisinucartagena.edu.co:8080/xmlui/handle/123456789/1107
Aparece en las colecciones: Ingeniería de Sistemas



Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons