Erkennung persönlicher Schutzausrüstung und Arbeitssicherheit mit Ultralytics
Erstelle mit der Ultralytics Platform ein Modell zur Erkennung persönlicher Schutzausrüstung: Annotiere Bilder vom Standort, trainiere YOLO26, stelle das Modell in der Cloud oder am Edge bereit und überprüfe die Sicherheitsüberwachung am Arbeitsplatz.
Teams für Arbeitssicherheit müssen wissen, wo vorgeschriebene Schutzausrüstung fehlt und welche Situationen Aufmerksamkeit erfordern. Computer Vision macht diese Kontrollen messbar, indem sie Personen, Schutzhelme, Warnwesten und andere sichtbare Ausrüstung in Bildern und Videos erkennt.
Die Ultralytics Platform vereint den gesamten Arbeitsablauf zur Erkennung persönlicher Schutzausrüstung in einem Arbeitsbereich: Daten vorbereiten, Ausrüstung annotieren, ein Ultralytics-YOLO-Modell trainieren, es bereitstellen und die Bereitstellungsleistung überwachen. Teams können den Arbeitsablauf an ihre eigenen Kameras und Standortanforderungen anpassen und Ultralytics während des gesamten Projekts als Computer-Vision-Lösung nutzen.
Diese Anleitung erklärt, wie du diesen Arbeitsablauf für die praktische Überwachung persönlicher Schutzausrüstung einsetzt – von der ersten Kameraaufnahme bis zur validierten Bereitstellung.
Was ist die Erkennung persönlicher Schutzausrüstung?#
Bei der Erkennung persönlicher Schutzausrüstung (PPE) wird Objekterkennung eingesetzt, um Schutzausrüstung zu lokalisieren und ihr Klassenbezeichnungen zuzuweisen. Ein Modell kann für jeden sichtbaren Schutzhelm und jede sichtbare Warnweste eine Begrenzungsbox und einen Konfidenzwert ausgeben sowie Personen erkennen.
Die Überwachungsanwendung verknüpft diese Vorhersagen anschließend mit einer konkreten Arbeitsplatzregel. Bei einer Kontrolle an einer Laderampe könnte beispielsweise geprüft werden, ob einer Person die vorgeschriebene Warnweste am sichtbaren Oberkörper fehlt. Für diese Entscheidung muss die Ausrüstung der richtigen Person zugeordnet und mit Ansichten umgegangen werden, in denen die Ausrüstung verdeckt ist.
Beginne mit Ausrüstung, die die Kamera klar erfassen kann. Schutzhelme und Warnwesten sind oft praktikablere erste Ziele als kleine Gegenstände wie Ohrstöpsel oder Details an Handschuhen. Trainiere und evaluiere die Klassen, die dein Standort benötigt; du solltest nicht davon ausgehen, dass ein vortrainiertes Allzweckmodell jede Art persönlicher Schutzausrüstung erkennt.
| Überwachungsziel | Ultralytics-Funktion | Was du an deinem Standort validieren solltest |
|---|---|---|
| Kontrollen von Schutzhelmen und Warnwesten | Benutzerdefinierte YOLO-Objekterkennung | Sichtbarkeit der Ausrüstung und Zuordnung zur richtigen Person |
| Kontrollen von Augenschutz oder Handschuhen | Objekterkennung, trainiert mit relevanten Beispielen | Ausreichende Bilddetails bei der vorgesehenen Entfernung |
| Betreten eines Sperrbereichs | Personenerkennung und Videoverfolgung | Platzierung der Zone, Kameraperspektive und Zutrittsregeln |
| Erkennung von Fußgängern und Fahrzeugen | Erkennung und Verfolgung | Verdeckung, Kontinuität der Verfolgung und Definition eines überprüfbaren Ereignisses |
| Haltungsanalyse | Posenschätzung | Relevante Bewegungen und Grenzen sichtbarer Körpermerkmale |
Ultralytics stellt die Bildverarbeitungsfunktionen für diese Arbeitsabläufe bereit. Standortbezogene Regeln legen fest, wie Modellausgaben zu Ereignissen werden, die ein Sicherheitsteam überprüfen kann.
Warum Ultralytics für Computer Vision in der Arbeitssicherheit einsetzen?#
PPE-Projekte erfordern einen wiederholbaren Weg von Kameraaufnahmen zu einem Modell, das am jeweiligen Standort zuverlässig funktioniert. Die Ultralytics Platform verbindet Datensatzverwaltung, Annotation, Training, Modelleexport, gehostete Inferenz und Überwachung der Bereitstellung. Derselbe Arbeitsbereich unterstützt sowohl den ersten Pilotversuch als auch spätere Modellaktualisierungen.
Diese Kontinuität ist wichtig, wenn ein neues Helmdesign eingeführt wird, eine Kamera versetzt wird oder sich eine Produktionslinie ändert. Teams können ihre Daten aktualisieren, Bezeichnungen verfeinern, Trainingsläufe vergleichen und über denselben Arbeitsablauf ein verbessertes Modell bereitstellen.
Nutze Ultralytics YOLO26 als Ausgangspunkt für ein neues Projekt zur Erkennung persönlicher Schutzausrüstung. Wähle die Modellgröße, indem du sowohl die Erkennungsqualität als auch die Inferenzgeschwindigkeit auf der vorgesehenen Hardware misst.
So erstellst du mit der Ultralytics Platform eine Überwachungslösung für persönliche Schutzausrüstung#
1. Eine sichtbare Regel festlegen und repräsentative Daten sammeln#
Beginne mit einem konkreten Ziel, etwa der Kontrolle von Schutzhelmen am Eingang einer Baustelle. Lege die Kameraperspektive, die vorgeschriebene Ausrüstung, die Betriebszeiten und die Maßnahmen fest, die eine prüfende Person ergreifen soll, wenn die Anwendung ein Ereignis meldet.
Sammle Beispiele mit den tatsächlichen Kameras und aus verschiedenen Schichten und Situationen. Berücksichtige Gegenlicht, teilweise Verdeckung, Arbeitergruppen, leere Szenen und mitgeführte Ausrüstung. Diese Beispiele helfen dabei, den gesuchten Zustand von optisch ähnlichen Situationen zu unterscheiden.
Trenne Trainings- und Evaluationsaufnahmen nach Aufnahmesitzung oder Kamera. Benachbarte Einzelbilder desselben Clips sollten in derselben Teilmenge bleiben, damit die Validierung die Leistung in neuen Szenen misst.
Der Construction-PPE-Datensatz ist eine nützliche Ausgangsressource, um Klassen persönlicher Schutzausrüstung zu untersuchen. Verwende repräsentative Aufnahmen von deinem Standort, um zu beurteilen, ob ein Modell für den Einsatz bereit ist.
2. Persönliche Schutzausrüstung einheitlich annotieren#
Lade deine Trainingsbilder in die Ultralytics Platform hoch und lege die benötigten Klassen fest. Der Annotationseditor unterstützt manuelle Begrenzungsboxen und Smart Annotation mit kompatiblen Modellen für in der Platform gehostete Datensätze. Überprüfe die vorgeschlagenen Bezeichnungen, ergänze übersehene Ausrüstung und entferne falsche Boxen vor dem Training.
Verfasse eine kurze Richtlinie zur Annotation, damit alle schwierige Fälle einheitlich behandeln. Ein in der Hand getragener Schutzhelm ist sichtbare Ausrüstung, belegt aber nicht, dass die Person ihn trägt. Auch ein verdeckter Kopf sollte nicht automatisch als Beispiel für einen fehlenden Schutzhelm gelten.
Wenn falsches Tragen zum Ziel gehört, definiere die sichtbaren Zustände ausdrücklich und sammle genügend Beispiele, um sie zu bewerten. Berücksichtige nur Unterschiede, die die Kamera tatsächlich zeigen kann.
3. YOLO26-Modelle trainieren und vergleichen#
Erstelle ein Projekt, wähle den annotierten Datensatz und das YOLO26-Modell aus und starte das Cloud-Training in der Ultralytics Platform. Verfolge die Trainingsmetriken und vergleiche die Trainingsläufe, während du die Daten verbesserst oder die Modellkonfiguration anpasst.
Prüfe die Leistung für jede Klasse persönlicher Schutzausrüstung. Ein hoher Gesamtwert kann eine schwache Erkennung kleiner Schutzbrillen oder teilweise von Maschinen verdeckter Helme verbergen. Überprüfe übersehene Erkennungen und Fehlalarme zusammen mit Präzision und Trefferquote.
Teste mögliche Modelle anhand zurückgehaltener Beispiele aus dem vorgesehenen Einsatzbereich, einschließlich der schwierigsten Kameraperspektiven. Wähle ein Modell, das sowohl deine Qualitäts- als auch deine Latenzanforderungen erfüllt.
4. Dort bereitstellen, wo deine Kameras eingesetzt werden#
Ultralytics unterstützt gehostete Inferenz und den Modelleexport. Stelle einen eigenen Endpunkt für Anwendungsanfragen bereit oder exportiere das Modell in ein unterstütztes Format, um Inferenz auf kompatibler lokaler Hardware auszuführen. ONNX und TensorRT sind Beispiele für Bereitstellungsformate, die über den Ultralytics-Arbeitsablauf verfügbar sind.
Miss bei kontinuierlichen Kamerastreams Durchsatz und Latenz mit der tatsächlichen Anzahl der Streams, Bildgrößen und Hardware. Die Anwendung, die diese Streams verarbeitet, ist auch für die Ereignisregeln zuständig: die Zuordnung der Ausrüstung zu Personen, Zonenprüfungen, die Beständigkeit über mehrere Einzelbilder hinweg und die Weiterleitung von Ereignissen an prüfende Personen. Ultralytics Tracking kann Objektspuren über Videoeinzelbilder hinweg aufrechterhalten und so diese Logik unterstützen.
Wähle den Bereitstellungsweg passend zu deinen Anforderungen an Latenz, Konnektivität und Datenverarbeitung und validiere das exportierte Modell oder den Endpunkt vor der Einführung.
5. Ergebnisse überprüfen und das Modell verbessern#
Beginne mit einem begrenzten Pilotversuch und lass eine für Sicherheit zuständige Person die gemeldeten Ereignisse überprüfen. Miss sowohl Fehlalarme als auch übersehene Ereignisse; weniger Meldungen allein können verbergen, dass der Detektor zu viel übersieht.
Nutze die Überwachung der Bereitstellung, um den Zustand des Dienstes, die Latenz von Anfragen und Fehler zu prüfen. Überprüfe unabhängig davon Stichproben der Kameraergebnisse anhand menschlicher Bezeichnungen, um die Erkennungsqualität einzuschätzen. Infrastrukturmetriken allein belegen keine Genauigkeit bei der Erkennung persönlicher Schutzausrüstung.
Nimm schwierige Beispiele wieder in den Datensatz auf, korrigiere ihre Annotationen und trainiere das Modell in der Ultralytics Platform erneut. Wiederhole diese Prüfung nach wesentlichen Änderungen an Kameraposition, Ausrüstung, Beleuchtung oder Standortlayout.
Was macht einen Pilotversuch zur Erkennung persönlicher Schutzausrüstung nützlich?#
Ein praktischer Pilotversuch beantwortet konkrete Fragen zu den Bedingungen, denen das System ausgesetzt sein wird:
- Kann die Kamera die Ausrüstung erkennen? Prüfe Objektgröße, Fokus, Beleuchtung und Hindernisse bei der relevanten Entfernung.
- Ordnet die Anwendung die persönliche Schutzausrüstung der richtigen Person zu? Überprüfe Gruppen und sich überschneidende Personen, einschließlich nahebei getragener Ausrüstung.
- Wie oft wird ein relevantes Ereignis übersehen? Überprüfe eine annotierte Stichprobe des normalen Betriebs ebenso wie gemeldete Clips.
- Wie viele Fehlalarme erreichen die Prüfenden pro Schicht? Miss den gesamten Ereignisablauf, einschließlich wiederholter Erkennungen derselben Situation.
- Reagiert das System schnell genug? Miss die Zeit von der Bildaufnahme über die Inferenz bis zur Prüfliste oder Benachrichtigung.
Vereinbare vor der Einführung Akzeptanzkriterien. Ein Bericht, der am Ende einer Schicht geprüft wird, und eine sofortige Benachrichtigung haben unterschiedliche Anforderungen an Zeit und Fehlerquote.
Die Überwachung auf nützliche Beobachtungen ausrichten#
Die Überwachung persönlicher Schutzausrüstung kann mit Objekterkennungen und zeitlich begrenzten Objektspuren funktionieren, ohne Gesichtserkennung hinzuzufügen. Lege den Zweck des Systems fest, beschränke den Bildzugriff und bestimme klare Aufbewahrungsfristen für gespeicherte Aufnahmen.
Lass die Prüfenden unsichere Erkennungen im Kontext beurteilen. Eine Kamera kann weder die Zertifizierung von Ausrüstung noch verborgene Schäden oder nicht sichtbaren Schutz beurteilen. Nutze die Ergebnisse zur Unterstützung von Standortprüfungen, Schulungen und etablierten Sicherheitsverfahren.
Mit Ultralytics loslegen#
Wähle eine Kameraperspektive und eine Anforderung an persönliche Schutzausrüstung. Sammle repräsentative Bilder, annotiere sie, trainiere ein YOLO26-Modell und bewerte die Ergebnisse anhand klarer Pilotkriterien. Ultralytics bietet deinem Team einen einheitlichen Computer-Vision-Arbeitsablauf, den ihr mit dem Wachstum des Projekts verbessern und erweitern könnt.
Starte dein Projekt zur Erkennung persönlicher Schutzausrüstung in der Ultralytics Platform oder folge der Kurzanleitung zur Platform, um dein erstes Modell zu erstellen.
Häufig gestellte Fragen
Nutze die Ultralytics Platform, um den gesamten Computer-Vision-Arbeitsablauf zu verwalten, und Ultralytics YOLO26 für die benutzerdefinierte Erkennung persönlicher Schutzausrüstung. Du kannst Daten in einer Umgebung vorbereiten und annotieren, Modelle trainieren und vergleichen sowie gehostete Inferenz oder einen Export für deine Bereitstellung wählen.
Ja, sofern der Kamerastream für deine Inferenzanwendung zugänglich ist und genügend Details für die zu erkennende persönliche Schutzausrüstung liefert. Prüfe Auflösung, Blickwinkel, Beleuchtung und Verarbeitungskapazität anhand repräsentativer Aufnahmen, bevor du weitere Kameras einbindest.
Die Funktionen zur Erkennung persönlicher Schutzausrüstung hängen von den Trainingsdaten und Klassen des Modells ab. Stimme ein YOLO26-Erkennungsmodell mit annotierten Beispielen deiner Ausrüstung fein ab und evaluiere es anhand von Aufnahmen, die es während des Trainings nicht gesehen hat.
Ja. Ultralytics-Modelle können auf kompatibler lokaler Hardware ausgeführt werden, auch mithilfe unterstützter Exportformate. Wähle die Laufzeitumgebung für dein Gerät und überprüfe nach dem Export Geschwindigkeit und Erkennungsqualität.
Computer Vision kann sichtbare Ausrüstung erkennen und Kontrollen anhand festgelegter Regeln unterstützen. Die tatsächlichen Ergebnisse hängen von der Kameraperspektive, den Trainingsdaten und der Anwendungslogik ab. Validiere den gesamten Arbeitsablauf und lass mehrdeutige Ereignisse von Menschen prüfen.
