描述

建筑工地是繁忙的地方，當許多承包商同時工作時，尤其是當他們沒有使用適當的個人防護設備 (PPE) 時，可能會構成非常危險的環境，本文件中描述的系統會檢測工人是否穿著適當的個人防護設備或不在帶有英特爾神經電腦棒 2 的樹莓派上運行 Tiny-YOLOv3 以加速推理過程。

該項目由電子工程碩士研究生 Fernando 在 12 周的時間內作為項目主題的一部分實現。

該設備在邊緣使用人工智能來檢測建筑工地的人員是否佩戴了適當的個人防護設備（PPE），旨在自主和離線（無需互聯網連接）提高工作場所的安全性。整個系統基于一種稱為 YOLO 的最先進的對象檢測技術，YOLO 代表你只看一次，并且基于人類只需看一次就可以立即識別圖像中的對象的事實。

YOLO 基本上是一個卷積神經網絡，可以被訓練來檢測多個對象類別，在這個項目中，它被訓練來檢測 3 個不同的類別（人、帽子和背心）。為了訓練模型，創建了一個數據集，其中包含 3000 個完全注釋的圖像（每個圖像都有一個關聯的 txt 文件，其中包含圖像中每個對象的坐標）。此外，還采用了數據增強技術來增加數據集，而無需注釋新圖像。

一旦網絡經過訓練，它就會使用英特爾 openvino 軟件轉換為可用于任何英特爾平臺（如 fpga、英特爾神經計算棒、英特爾 GPU 等）的格式。

本案例中的實施是使用用于快速開發的現成產品完成的，例如 raspberry pi、raspberry pi 相機、sense hat 和個人設計的 3D 打印外殼，以低廉的價格提供便攜性和堅固性。

結果在演示中可以看到，系統可以同時檢測多個物體，網絡泛化性非常好（可以成功檢測多種顏色和類型的帽子和背心以及不同性別和年齡的人）。

這個項目只是一個原型，但需要進一步的工作來構思最終的商業產品，主要限制是目前的數據集，需要收集和標記更多的圖像以使其更加健壯和準確。