Sistema automatizado para monitorear el uso de equipos de protección personal en la industria de la construcción

M. Massiris, J. A. Fernández, J. Bajo, C. Delrieux

Resumen

Este artı́culo presenta un novedoso sistema de visión por computador que genera indicadores automatizados de uso adecuado de equipos de protección personal (EPP) de gran importancia en la industria de la construcción,  concretamente el uso de casco de seguridad y chaleco de alta visibilidad. El sistema se construye sobre una arquitectura de redes neuronales que trabaja sobre imágenes digitales. Primero se utiliza la red neuronal OpenPose para la detección de puntos antropométricos de los trabajadores visualizados, los cuales se utilizan para segmentar automáticamente regiones de interés (ROI) ubicadas en la cabeza y el tronco. Sobre estas ROI, un clasificador neuronal estima la presencia o ausencia de los dos EPP de interés. Los resultados obtenidos en vı́deos tomados en movimiento por drones o smartphones muestran que nuestro sistema es plenamente capaz de realizar una evaluación completa de indicadores de utilización de estos dos EPP sin asistencia, con el propósito principal de prevenir incidentes potencialmente peligrosos en el lugar de trabajo.

Palabras clave

Automatización; prevención de riesgos laborales; equipo de protección personal; redes neuronales; visión por computador

Clasificación por materias

Automatización; Visión por computador; Monitorización y supervisión

Texto completo:

PDF

Referencias

Ankrum, D. R., Nemeth, K. J., 2000. Head and neck posture at computer workstations - what is neutral? In: Proc Human Factors and Ergonomics Soc Annual Meeting. Vol. 44. pp. 565-568. https://doi.org/10.1177/154193120004403046

Arias Gallegos, W. L., 2011. Uso y desuso de los equipos de protección personal en trabajadores de construccion. Ciencia & Trabajo 40, 119-124.

Brilakis, I., Park, M. W., Jog, G., 2011. Automated vision tracking of project related entities. Advanced Engineering Informatics 25 (4), 713-724. https://doi.org/10.1016/j.aei.2011.01.003

Cao, Z., Simon, T., Wei, S.-E., Sheikh, Y., 2017. Realtime multi-person 2d pose estimation using part affinity fields. In: Proc IEEE Conf CVPR. pp. 7291- 7299. URL: https://arxiv.org/abs/1611.08050v2 https://doi.org/10.1109/CVPR.2017.143

Fang, Q., Li, H., Luo, X., Ding, L., Luo, H., Rose, T. M., An, W., 2018. Detecting non-hardhat-use by a deep learning method from far-field surveillance videos. Automation in Construction 85 (1), 1-9. https://doi.org/10.1016/j.autcon.2017.09.018

He, K., Zhang, X., Ren, S., Sun, J., 2016. Deep residual learning for image recognition. Proc IEEE Conf CVPR, 770-778. https://doi.org/10.1109/CVPR.2016.90

ILO, 2002. ILO-OSH 2001. Directrices relativas a los sistemas de gestión de la seguridad y la salud en el trabajo. Oficina Internacional del Trabajo, Ginebra (Suiza).

Konstantinou, E., Lasenby, J., Brilakis, I., 2019. Adaptive computer vision based 2d tracking of workers in complex environments. Automation in Construction 103, 168 - 184. https://doi.org/10.1016/j.autcon.2019.01.018

Massiris Fernandez, M., Delrieux, C., Fernández Muñoz, J. A., 2018. Detección de equipos de protección personal mediante la red neuronal convolucional ' Yolo. In: Actas de las XXXIX Jornadas de Automatica. pp. 1022-1029. URL: http://hdl.handle.net/10662/8846

Memarzadeh, M., Golparvar-Fard, M., Niebles, J. C., jul 2013. Automated 2D detection of construction equipment and workers from site video streams using histograms of oriented gradients and colors. Automation in Construction 32, 24-37. https://doi.org/10.1016/j.autcon.2012.12.002

Mneymneh, B. E., Abbas, M., Khoury, H., 2017. Automated hardhat detection for construction safety applications. Procedia Engineering 196, 895 - 902. https://doi.org/10.1016/j.proeng.2017.08.022

Mosberger, R., Andreasson, H., Lilienthal, A. J., 2014. A customized vision system for tracking humans wearing reflective safety clothing from industrial vehicles and machinery. Sensors (Switzerland) 14 (10), 17952-17980. https://doi.org/10.3390/s141017952

Park, J., Yang, X., Cho, Y. K., Seo, J., 2017. Improving dynamic proximity sensing and processing for smart work-zone safety. Automation in Construction 84, 111 - 120. https://doi.org/10.1016/j.autcon.2017.08.025

Park, M. W., Brilakis, I., 2012. Construction worker detection in video frames for initializing vision trackers. Automation in Construction 28, 15-25. https://doi.org/10.1016/j.autcon.2012.06.001

Park, M.-W., Brilakis, I., 2016. Continuous localization of construction workers via integration of detection and tracking. Automation in Construction 72, 129 - 142. https://doi.org/10.1016/j.autcon.2016.08.039

Park, M.-W., Elsafty, N., Zhu, Z., 2015. Hardhat-wearing detection for enhancing on-site safety of construction workers. Journal of Construction Engineering and Management 141 (9), 4015024. https://doi.org/10.1061/(ASCE)CO.1943-7862.0000974

Seong, H., Choi, H., Cho, H., Lee, S., Son, H., Kim, C., 2017. Vision-based safety vest detection in a construction scene. In: ISARC 2017 - Proceedings of the 34th International Symposium on Automation and Robotics in Construction. Isarc. pp. 288-293. https://doi.org/10.22260/ISARC2017/0039

Shrestha, K., Shrestha, P. P., Bajracharya, D., Yfantis, E. A., 2015. Hard-hat detection for construction safety visualization. Journal of Construction Engineering 2015. https://doi.org/10.1155/2015/721380

Son, H., Choi, H., Seong, H., Kim, C., 2019. Detection of construction workers under varying poses and changing background in image sequences via very deep residual networks. Automation in Construction 99, 27-38. https://doi.org/10.1016/j.autcon.2018.11.033

Union Europea, P. y. C. d. l. U., 1989. Directiva 89/656/cee relativa a las disposiciones mínimas de seguridad y de salud para la utilización por los trabajadores en el trabajo de equipos de protección individual.

Xie, Z., Liu, H., Li, Z., He, Y., 2018. A convolutional neural network based approach towards real-time hard hat detection. Proceedings of the 2018 IEEE International Conference on Progress in Informatics and Computing, PIC 2018, 430-434. https://doi.org/10.1109/PIC.2018.8706269

Abstract Views

1507
Metrics Loading ...

Metrics powered by PLOS ALM




Creative Commons License

Esta revista se publica bajo una Licencia Creative Commons Attribution-NonCommercial-CompartirIgual 4.0 International (CC BY-NC-SA 4.0)

Universitat Politècnica de València     https://doi.org/10.4995/riai

e-ISSN: 1697-7920     ISSN: 1697-7912