AI Aids Eyes (un sistema de visión por computadora para recordar a los operadores que usen gafas de seguridad): 4 pasos

2024 Autor: John Day | [email protected]. Última modificación: 2024-01-30 08:40

Aquí hay una demostración del sistema. Cuando el sistema detecta que se ha recogido un taladro, emitirá automáticamente una advertencia de anteojos de seguridad. Para representar la presencia de las advertencias de las gafas de seguridad, el borde de la imagen RGB está coloreado en rojo en el video de demostración. Cuando el sistema detecta que no se ha recogido ningún taladro, no emitirá ninguna advertencia de anteojos de seguridad. Para representar la ausencia de las advertencias de las gafas de seguridad, el borde de la imagen RGB está coloreado en verde en el video de demostración. Como se muestra en el video de demostración, el sistema de visión por computadora detecta con éxito si el operador toma un taladro.

Paso 1: hardware

Utilizo madera (de Home Depot) para formar una estructura de soporte. Luego monto un sensor Kinect de Microsoft XBOX 360 (de Amazon) en la estructura de soporte para monitorear la actividad en el suelo.

Paso 2: segmentación

Se muestra un ejemplo que consta de una imagen RGB, una imagen de profundidad y una imagen del objeto extraído.

Es un desafío para un algoritmo de visión por computadora determinar si la mano del operador sostiene un taladro solo a partir de la imagen RGB. Sin embargo, con la información de profundidad, el problema es más sencillo.

Mi algoritmo de segmentación establece el color de un píxel en la imagen RGB en negro si su profundidad correspondiente está fuera de un rango predefinido. Esto me permite segmentar el objeto que se recoge.

Paso 3: clasificación

Recopilo datos grabándome en video sosteniendo un taladro / agitando las manos por separado. Luego utilizo la técnica del aprendizaje por transferencia para sintonizar una red neuronal VGG que está previamente entrenada con ImageNet. Pero el resultado no es bueno. Quizás las imágenes extraídas no sean similares a las imágenes naturales en ImageNet. Por lo tanto, entreno una red neutral convolucional utilizando las imágenes extraídas desde cero. El resultado es bastante bueno. La precisión del clasificador es ~ 95% en el conjunto de validación. Se proporciona un fragmento del modelo en el archivo.py.

Paso 4: ¡Diviértete y mantente seguro

2000

Cada día, alrededor de 2000 trabajadores estadounidenses sufren lesiones oculares relacionadas con el trabajo que requieren tratamiento médico.

60%

Casi el 60% de los trabajadores lesionados no usaban protección para los ojos en el momento del accidente o usaban el tipo de protección para los ojos inadecuado para el trabajo.

Divertirse y estar seguro

La seguridad siempre debe ser lo primero. Mi corazón se hunde cada vez que escucho sobre accidentes relacionados con herramientas eléctricas. Espero que este artículo pueda crear conciencia de que la inteligencia artificial puede ofrecernos un nivel extra de protección.

¡Diviértete haciendo cosas y mantente seguro!