SH17: A Dataset for Human Safety and Personal Protective Equipment Detection in Manufacturing Industry

要約

労働災害は、特に建設業や製造業などの産業において、人の安全にとって重大なリスクをもたらし続けており、効果的な個人防護具（PPE）の遵守の必要性がますます高まっている。我々の研究は、ヘルメット、安全眼鏡、マスク、防護服など様々な種類のPPEが適切に使用されているかを検出・検証するための、物体検出（OD）と畳み込みニューラルネットワーク（CNN）に基づく非侵襲的技術の開発に焦点を当てている。本研究では、ODモデルの訓練と検証のために、多様な産業環境から収集された17クラス75,994インスタンスを含む8,099の注釈付き画像からなるSH17データセットを提案する。ベンチマーク用に最先端のODモデルを訓練し、初期の結果は、PPE検出において70.9%を超えるYou Only Look Once (YOLO)v9-eモデルバリアントで有望な精度レベルを示している。クロスドメインデータセットでのモデル検証のパフォーマンスは、これらの技術を統合することで、安全管理システムを大幅に改善できることを示唆しており、人的安全規制を満たし、労働力を保護しようと努力する産業界に、スケーラブルで効率的なソリューションを提供します。データセットはhttps://github.com/ahmadmughees/sh17dataset。

要約(オリジナル)

Workplace accidents continue to pose significant risks for human safety, particularly in industries such as construction and manufacturing, and the necessity for effective Personal Protective Equipment (PPE) compliance has become increasingly paramount. Our research focuses on the development of non-invasive techniques based on the Object Detection (OD) and Convolutional Neural Network (CNN) to detect and verify the proper use of various types of PPE such as helmets, safety glasses, masks, and protective clothing. This study proposes the SH17 Dataset, consisting of 8,099 annotated images containing 75,994 instances of 17 classes collected from diverse industrial environments, to train and validate the OD models. We have trained state-of-the-art OD models for benchmarking, and initial results demonstrate promising accuracy levels with You Only Look Once (YOLO)v9-e model variant exceeding 70.9% in PPE detection. The performance of the model validation on cross-domain datasets suggests that integrating these technologies can significantly improve safety management systems, providing a scalable and efficient solution for industries striving to meet human safety regulations and protect their workforce. The dataset is available at https://github.com/ahmadmughees/sh17dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL