基于机器视觉识别工作环境中的安全标志
Jesús-Ángel Román-Gallego1, María-Luisa Pérez-Delgado1, Miguel A Conde1
1Escuela Politécnica Superior de Zamora, Universidad de Salamanca, Avda, Requejo, Zamora, Spain.
Frontiers in public health
|December 12, 2024
概括
本研究使用卷积神经网络来识别职业风险预防中的安全标志. 该系统旨在检测尽管有损坏的迹象,提高工人的安全,通过提醒他们潜在的危险.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 职业安全 在职业安全.
背景情况:
- 图像识别对于科学进步和安全应用至关重要.
- 预防职业风险对于工人和企业的福祉至关重要,需要方法来防止像跌倒和碰撞这样的事故.
- 在识别受损或模糊的安全标志方面存在挑战,这阻碍了有效的风险预防.
研究的目的:
- 开发图像识别系统,用于识别职业风险预防中的安全标志.
- 为了能够对安全标志进行可靠的识别,而不管它们的方向或退化.
- 探索卷积神经网络的应用,以提高工作场所的安全.
主要方法:
- 卷积神经网络 (CNN) 由于其在图像识别任务中的高效率而被采用.
- 该系统受过训练,以识别职业风险预防中常用的安全标志.
- 专注于实现可靠的识别,即使是那些已经退化或在不同方向的标志.
主要成果:
- 该研究表明,使用图像识别技术用于职业安全的可行性.
- 开发的系统可以识别安全标志,支持对个人及时发出风险警报.
- 该研究强调了将这项技术集成到安全设备中的潜力.
结论:
- 整合这种图像识别系统为预防工作场所事故提供了一种积极的方法.
- 进一步提高分类准确度,特别是对于复杂或退化图像,可能需要更大,更多样化的数据集.
- 该技术有可能显著提高职业环境中的整体安全性.
更多相关视频
08:25Combining Eye-tracking Data with an Analysis of Video Content from Free-viewing a Video of a Walk in an Urban Park Environment
Published on: May 7, 2019
8.9K
06:25Author Spotlight: Assessment of Visual Acuity in Central Vision Loss Through Motion-Based Peripheral Vision Testing
Published on: February 23, 2024
533
