- -

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

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

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

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.author Massiris, M. es_ES
dc.contributor.author Fernández, J. A. es_ES
dc.contributor.author Bajo, J. es_ES
dc.contributor.author Delrieux, C. es_ES
dc.date.accessioned 2021-02-03T08:12:15Z
dc.date.available 2021-02-03T08:12:15Z
dc.date.issued 2020-12-23
dc.identifier.issn 1697-7912
dc.identifier.uri http://hdl.handle.net/10251/160620
dc.description.abstract [EN] We present a novel computer vision system which generates automated indicators of proper use of personal protective equipment(PPE) of great importance in the construction industry, specifically the use of safety helmet and high visibility vest. The system is built on a neural network architecture that works on digital images. First, the OpenPose network is used for the detection of anthropometric points of the visualized workers. These points are used next to automatically segment regions of interest (ROI) located about a worker’s head and trunk. On these ROIs, a neuronal classifier estimates the presence or absence of each PPE of interest. Obtained results in moving videos from drones or artphones show that our system is fully capable of carrying out a complete evaluation of usage indicators of these two PPEs without human intervention, with the main purpose of preventing potentially dangerous incidents in the workplace. es_ES
dc.description.abstract [ES] 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. es_ES
dc.description.sponsorship Este trabajo ha sido realizado parcialmente gracias al apoyo del Consejo Nacional de Investigaciones Científicas y Técnicas de Argentina (CONICET), la Junta de Extremadura (España) a través del Fondo Europeo de Desarrollo Regional (código GR18135) y la Universidad Nacional del Sur (código 24 /K083). es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.relation.ispartof Revista Iberoamericana de Automática e Informática industrial es_ES
dc.rights Reconocimiento - No comercial - Compartir igual (by-nc-sa) es_ES
dc.subject Automation es_ES
dc.subject Occupational risk prevention es_ES
dc.subject Personal protective equipment es_ES
dc.subject Neural networks es_ES
dc.subject Computer vision es_ES
dc.subject Automatización es_ES
dc.subject Prevención de riesgos laborales es_ES
dc.subject Equipo de protección personal es_ES
dc.subject Redes neuronales es_ES
dc.subject Visión por computador es_ES
dc.title Sistema automatizado para monitorear el uso de equipos de protección personal en la industria de la construcción es_ES
dc.title.alternative An automated system for monitoring the use of personal protective equipment in the construction industry es_ES
dc.type Artículo es_ES
dc.identifier.doi 10.4995/riai.2020.13243
dc.relation.projectID info:eu-repo/grantAgreement/Junta de Extremadura//GR18135/ es_ES
dc.relation.projectID info:eu-repo/grantAgreement/UNS//UNS%2F24%2FK083/ es_ES
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Massiris, M.; Fernández, JA.; Bajo, J.; Delrieux, C. (2020). Sistema automatizado para monitorear el uso de equipos de protección personal en la industria de la construcción. Revista Iberoamericana de Automática e Informática industrial. 18(1):68-74. https://doi.org/10.4995/riai.2020.13243 es_ES
dc.description.accrualMethod OJS es_ES
dc.relation.publisherversion https://doi.org/10.4995/riai.2020.13243 es_ES
dc.description.upvformatpinicio 68 es_ES
dc.description.upvformatpfin 74 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.volume 18 es_ES
dc.description.issue 1 es_ES
dc.identifier.eissn 1697-7920
dc.relation.pasarela OJS\13243 es_ES
dc.contributor.funder European Regional Development Fund es_ES
dc.contributor.funder Junta de Extremadura es_ES
dc.contributor.funder Universidad Nacional del Sur, Argentina es_ES
dc.description.references 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 es_ES
dc.description.references Arias Gallegos, W. L., 2011. Uso y desuso de los equipos de protección personal en trabajadores de construccion. Ciencia & Trabajo 40, 119-124. es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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). es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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 es_ES
dc.description.references 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. es_ES
dc.description.references 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 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem