Logotipo del repositorio
Logotipo del repositorio
 

Diseño e implementación de una solución tecnológica para incrementar la adopción de chalecos en trabajadores de obras civiles y almacenes

Vista sencilla de ítem
datacite.rightshttp://purl.org/coar/access_right/c_16ec
dc.contributor.advisorPaez Almentero, Jheifer Manuel
dc.contributor.authorCujia Ramirez, Katherine Daniela
dc.contributor.authorDe Arco Escorcia, Joigmar Jesus
dc.contributor.authorFarrayans Romero, Sebastian
dc.contributor.authorYance Orozco, Ariel Armel
dc.date.accessioned2024-05-08T22:41:26Z
dc.date.available2024-05-08T22:41:26Z
dc.date.issued2023
dc.description.abstractLos equipos de protección personal (PPE) son requeridos en las industrias dentro de sus espacios de trabajo, como lo estipula el reglamento interno de la empresa, el cual establece las normativas sobre lo que se puede o no hacer dentro de las instalaciones. En particular, los chalecos reflectivos desempeñan una función esencial al asegurar la visibilidad del usuario. Su principal objetivo es permitir que cualquier persona que se encuentre en las proximidades del área pueda identificar al usuario desde una distancia considerable. Este proyecto tiene como objetivo desarrollar un sistema de detección y monitoreo del uso de chalecos reflectivos en entornos laborales, utilizando cámaras ubicadas dentro de los lugares de trabajo, bodegas y plantas. En tiempo real, el sistema es capaz de identificar si las personas llevan puestos o no los chalecos reflectivos mediante un proceso que involucra el procesamiento de imágenes con OpenCV, Numpy y MediaPipe. Luego, se lleva a cabo el entrenamiento de redes neuronales utilizando TensorFlow. Posteriormente, se vuelve a utilizar MediaPipe para detectar a las personas y extraer los píxeles donde se encuentran, lo cual mejora la eficiencia del entrenamiento de las redes neuronales y genera una respuesta precisa para determinar si una persona lleva o no puesto un chaleco reflectivo. Finalmente, este método logra una precisión del 73%. Si bien el sistema de detección funciona adecuadamente en entornos con buena iluminación, aún no ha sido probado en entornos reales, como almacenes.spa
dc.description.abstractPersonal Protective Equipment (PPE) is required in industries within their workspaces, as stipulated by the company's internal regulations, which establish guidelines on what can and cannot be done within the facilities. In particular, reflective vests play an essential role in ensuring user visibility. Their main objective is to allow anyone in the vicinity to identify the user from a considerable distance. This project aims to develop a system for detecting and monitoring the use of reflective vests in workplace environments, using cameras located within workplaces, warehouses, and plants. In real-time, the system can identify whether individuals are wearing reflective vests or not through a process involving image processing with OpenCV, Numpy, and MediaPipe. Neural network training is then carried out using TensorFlow. Subsequently, MediaPipe is used again to detect individuals and extract the pixels where they are located, improving the efficiency of neural network training and providing an accurate response to determine whether a person is wearing a reflective vest or not. Finally, this method achieves an accuracy of 73%. Although the detection system works well in environments with good lighting, it has not yet been tested in real environments such as warehouses.eng
dc.format.mimetypepdf
dc.identifier.urihttps://hdl.handle.net/20.500.12442/14616
dc.language.isospa
dc.publisherEdiciones Universidad Simón Bolívar
dc.publisherFacultad de Ingenieríasspa
dc.rights.accessrightsinfo:eu-repo/semantics/restrictedAccess
dc.subjectOpenCVspa
dc.subjectProcesamiento de Imágenesspa
dc.subjectMediaPipespa
dc.subjectChalecos reflectivosspa
dc.subjectSeguridadspa
dc.subjectAlmacenesspa
dc.subjectImage Processingeng
dc.subjectMediaPipeeng
dc.subjectReflective vestseng
dc.subjectSecurityeng
dc.subjectWarehouseseng
dc.titleDiseño e implementación de una solución tecnológica para incrementar la adopción de chalecos en trabajadores de obras civiles y almacenesspa
dc.title.translatedDesign and implementation of a technological solution to increase the adoption of vests in civil works and warehouses workerseng
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.spaTrabajo de grado - pregrado
dcterms.referencesIgnacio Cáceres, Pilar Cáceres, «NTP718: ROPA DE SEÑALIZACION DE ALTA VISIBILIDAD,» Centro Nacional de medios de Protección, España, 2004.spa
dcterms.references«Ley31/1995, de 8 de noviembre, de prevención de riesgos laborales (BOE de 10 de noviembre),» España.spa
dcterms.referencesA. D. Castro Echavarría, V. González Díaz y L. T. LLanes Taborda, «Elementos de protección personal, importancia y riesgos laborales por su uso inadecuado,» Fundación Universitaria del Área Andina, p. 28, 2021.spa
dcterms.referencesK. E. Checa Hernández, P. O. Defranc Balanzategui y E. De la Llana Pérez, «Fundamentos teóricos de la seguridad y prevención de riesgos laborales en las organizaciones,» Prohominum, vol. 2, nº 1, pp. 23-31, 2020.spa
dcterms.referencesC. Aguilar Ortega, T. Cetina Canto y A. Mendoza Alcocer , «Propuesta de Intervención para la Reducción de Accidentes Laborales: La Importancia del Factor Humano,» Administración Contemporánea. Revista de Investigación, 2018.spa
dcterms.referencesA. Arsenov, I. Ruban, K. Smelyakov y A. Chupryna, «Evolution of Convolutional Neural Network Architecture in Image Classification Problems,» Kharkiv National University of Radio Electronics, pp. 25-45, 2018.eng
dcterms.referencesA. Moreno Diaz, «Análisis comparativo de arquitecturas de redes neuronales para la clasificacion de imágenes,» Unir, pp. 1-85, 2020.spa
dcterms.referencesL. Huang, F. Qiaobo, H. Meilling, J. Du y H. Zhiqiang, «Detection algorithm of safety helmet wearing based on deep learning,» Concurrency and Computation: Practice and Experience, vol. 33, nº 13, 2021.eng
dcterms.referencesZ. Wang, Y. Wu, L. Yang, A. Thirunavukarasu, C. Evison y Y. Zhao, «Fast Personal Protective Equipment Detection for Real Construction Sites Using Deep Learning Approaches,» Sensors, vol. 21, nº 10, 2021.eng
dcterms.referencesA. Kamilaris y F. Prenafeta-Buldú, «A review of the use of convolutional neural networks in agriculture,» Cambridge University Press, vol. 156, nº 3, 2018.eng
dcterms.referencesA. Hayat y F. Morgado Dias, «Deep learning-based automatic safety helmet detection system for construction safety,» MDPI: Applied Sciences, vol. 12, nº 16, 2022.eng
dcterms.referencesG. Gallo, F. Di Rienzo, F. Garzelli, P. Ducange y C. Vallati, «A smart system for personal protective equipment detection in industrial environments based on deep learning at the edge,» IEEE, vol. 10, 2022.eng
dcterms.referencesH. Douadi y M. Bassam Mabedi, «Personal Protective (PPE) Detection Using Deep Learning,» UNIVERSITY OF OUARGLA, 2022.eng
oaire.versioninfo:eu-repo/semantics/acceptedVersion
sb.programaIngeniería Mecatrónicaspa
sb.sedeSede Barranquilla

Archivos

Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
PDF_Resumen.pdf
Tamaño:
294.93 KB
Formato:
Adobe Portable Document Format
Descargar
No hay miniatura disponible
Nombre:
PDF.pdf
Tamaño:
907.92 KB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.93 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado
Artículos

Universidad Simón Bolívar: Todos los derechos reservados / Sistema de biblioteca