安全一直是工業環境的核心問題，可以通過邊緣人工智能得到增強。職業安全與健康管理局 (OSHA)要求企業提供個人防護設備 (PPE) 以保護員工免受可能導致傷害的危險，其中 OSHA 法規 1910.135 規定雇主應確保每位受影響的員工在工作時佩戴防護安全帽墜落物體可能導致頭部受傷的區域。據麥肯錫稱，到 2024 年，美國 PPE 市場預計將以每年 12.5% 的速度增長。很高興看到員工的健康和安全被優先考慮。企業也在尋求以更簡單和集成的方式構建智能系統的方法，以降低意外風險。

 

                嵌入 AI 的邊緣設備能夠實時監控 PPE，包括工作環境中的安全帽合規性，并向安全和維護人員發出任何違反 PPE 的信號。計算機視覺與機器學習相結合可以自動化監控 PPE 合規性的過程。通過與閉路電視系統集成，通過無縫集成和靈活開發，構建管道自主識別未使用或不當使用 PPE 的員工更容易。

 

自動實時安全帽佩戴檢測

                在今天的文章中，我們將與您分享如何在NVIDIA AI 嵌入式系統上部署自動實時檢測以確保安全帽佩戴合規性以及工作區的警報。

 

關鍵工具

                Edge Impulse Studio 上傳數據集、獲取自定義數據、可視化數據、訓練機器學習模型并驗證推理結果。

Flickr-Faces-HQ (FFHQ)（  在 Creative Commons BY 2.0 許可下）的一部分，用于重新平衡我們數據集中的類。

                Edge Impulse Linux SDK

用于模型部署的 NVIDIA Jetson 平臺。我們使用安裝在 A203 載板上的 Jetson Nano 模塊，但以下列表也將支持：

                NVIDIA® Jetson Nano™ kaifa zhe套件

                NVIDIA® Jetson Xavier™ NX kaifa zhe套件

                NVIDIA Jetson AGX Xavier kaifa zhe套件

                Jetson SUB 迷你電腦

                A203（第二版）載板

                A205載板

                A206 載板

因此，感謝 Edge Impulse 的 Louis Moreau 和 Mihajlo Raljic，我們按照他們的指南訓練了一個嵌入式機器學習模型來檢測安全帽，非常后將其部署到 Jason Nano。Jason NX 和 Jetson  AGX 均受支持。

 

用于安全帽檢測部署的新 wiki 指南

                按照我們的wiki 教程，在 Edge Impulse 創建一個帳戶，從模型訓練開始到非常終部署。該項目也已公開發布�？寺№椖�，通過每一步以獲得更好的理解。您可以使用、修改它并將其集成到復雜的應用程序中。

 

                您也可以克隆此Hard Hat Detection Github 存儲庫以進行環境設置和下載數據集，但是，我們更建議您使用 Edge Impulse 使用帶有 Jetson Nano 的相機或您的 PC 構建自定義數據集。因此，準確度會更符合真實場景。

 

按照部署命令，運行您的實時檢測

                部署的邊緣盒可以實時監控安全帽的工作環境，并在出現任何違規情況時發送警報。

 

在特定應用程序上更進一步

                對于特定場景，我們會更推薦您使用公共數據集，結合 Edge Impulse 工作室的自定義數據集。因此，準確度會更符合真實場景。

                PPE 合規性還包括手套、口罩、護目鏡等。完成自定義模型訓練后，您還可以將所有內容包裝到圖像中，直接在工作場所部署完整的 PPE 檢測管道。請繼續關注我們以獲得更多指導。

 

                Edge Impulse 使 ML 開發變得更容易。結合緊湊型節能 AI 系統，部署邊緣 AI 解決特定工作場所安全需求的過程變得更快、更靈活。

 

                然而，為了達到零傷害，公司必須因此遠遠超出他們目前的做法。