تشخیص رفتار ناایمن کارکنان با استفاده از پردازش تصویر برای مدیریت هوشمند محیط کار و جلوگیری از حوادث

رفتار ناایمن یکی از علل اصلی مرگ یا آسیب در محل کار می باشد. با وجود بازرسی های منظم ایمنی و استفاده از دوربین های مراقبتی در محل های کار، بسیاری از حوادث در نتیجه نقض پروتکل های بهداشت و ایمنی شغلی رخ می دهند و نمی توان خطای انسانی را به طور کامل حذف کرد. در این راستا، استفاده از سیستم های مبتنی بر پردازش تصویر و تجزیه و تحلیل تصاویر دوربین های مراقبتی به عنوان یک راهکار موثر برای کنترل و نظارت بر رفتار ناایمن کارمندان مطرح شده است. این سیستم ها با استفاده از الگوریتم های پیشرفته پردازش تصویر و یادگیری عمیق، قادرند تا رفتارهای غیرعادی یا ناایمن کارمندان را در محیط کار شناسایی کنند. در این مقاله، یک سیستم هوشمتد مبتنی بر پردازش تصویر پیشنهاد شده است که ترکیبی از مدل های یادگیری عمیق برای طبقه بندی بلادرنگ رفتارهای ناایمن در محل کار می باشد. ابتدا یک مجموعه داده به طور خاص با ضبط ۳۹ روز فیلم ویدئویی از یک کارخانه ایجاد می شود. سپس با استفاده از این مجموعه داده، روش های YOLO v۴ و ConvLSTM برای تشخیص اشیا و درک ویدیو ترکیب می شوند تا به نتایج سریع و دقیقی دست یابند. در مطالعات تجربی با استفاده از روش پیشنهادی، دقت طبقه بندی رفتارهای ناایمن افزایش یافته است. علاوه بر این، با افزایش زمان شناسایی، سرعت تشخیص بلادرنگ نیز افزایش می یابد. در نتیجه راه اندازی این سیستم در محیط کارخانه و در صورت بروز رفتار ناایمن، کارکنان بلافاصله توسط سیستم، به صورت شنیداری و بصری، مطلع می شوند. ضمنا مشخص شده است که میزان تکرار رفتار ناایمن بسیار کاهش یافته است.

کلیدواژه ها:

شناسایی رفتار ناایمن کارمندان ، پردازش تصویر ، یادگیری عمیق