Détection des EPI et sécurité au travail avec Ultralytics
Crée un système de détection des EPI avec Ultralytics Platform : annote des images de site, entraîne YOLO26, déploie dans le cloud ou en périphérie et valide le suivi de la sécurité au travail.
Les équipes chargées de la sécurité au travail doivent savoir où les équipements de protection requis font défaut et quelles situations nécessitent une attention particulière. La vision par ordinateur permet de mesurer ces éléments en détectant les personnes, les casques, les gilets haute visibilité et d'autres équipements visibles dans les images et les vidéos.
Ultralytics Platform regroupe tout le processus de détection des EPI dans un seul espace de travail : préparer les données, annoter les équipements, entraîner un modèle Ultralytics YOLO, le déployer et surveiller ses performances en déploiement. Les équipes peuvent concevoir une solution adaptée à leurs caméras et aux exigences de leur site, en s'appuyant sur Ultralytics comme solution de vision par ordinateur tout au long du projet.
Ce guide explique comment utiliser ce processus pour surveiller les EPI dans des conditions réelles, du premier échantillon capturé par caméra jusqu'à un déploiement validé.
Qu'est-ce que la détection des EPI ?#
La détection des équipements de protection individuelle (EPI) utilise la détection d'objets pour localiser les équipements de protection et leur attribuer des étiquettes de classe. Un modèle peut renvoyer une boîte englobante et un score de confiance pour chaque casque ou gilet visible, ainsi que les détections de personnes.
L'application de surveillance associe ensuite ces prédictions à une règle propre au lieu de travail. Par exemple, un contrôle sur un quai de chargement peut rechercher une personne dont le haut du corps visible ne porte pas le gilet requis. Pour prendre cette décision, il faut associer l'équipement à la bonne personne et gérer les vues où l'équipement est masqué.
Commence par les équipements que la caméra peut distinguer clairement. Les casques et les gilets sont souvent des premières cibles plus pratiques que les petits objets comme les bouchons d'oreilles ou les détails des gants. Entraîne et évalue les classes dont ton site a besoin ; ne pars pas du principe qu'un modèle préentraîné généraliste reconnaît tous les types d'EPI.
| Objectif de la surveillance | Capacité Ultralytics | Points à valider sur ton site |
|---|---|---|
| Contrôle des casques et des gilets | Détection d'objets personnalisée avec YOLO | Visibilité de l'équipement et association à la bonne personne |
| Contrôle des lunettes de protection ou des gants | Détection d'objets entraînée sur des exemples pertinents | Détail d'image suffisant à la distance de travail |
| Entrée dans une zone à accès restreint | Détection des personnes et suivi vidéo | Emplacement de la zone, perspective de la caméra et règles d'accès |
| Surveillance des piétons et des véhicules | Détection et suivi | Occultation, continuité du suivi et définition d'un événement à examiner |
| Analyse de la posture | Estimation de pose | Mouvements pertinents et limites des points clés corporels visibles |
Ultralytics fournit les capacités de vision nécessaires à ces processus. Les règles propres au site déterminent comment les sorties du modèle deviennent des événements à examiner par une équipe de sécurité.
Pourquoi utiliser Ultralytics pour la vision par ordinateur au travail ?#
Les projets liés aux EPI reposent sur un processus reproductible, des images capturées par caméra jusqu'à un modèle performant sur le site. Ultralytics Platform relie la gestion des jeux de données, l'annotation, l'entraînement, l'exportation des modèles, l'inférence hébergée et la surveillance du déploiement. Le même espace de travail prend en charge le projet pilote initial et les mises à jour ultérieures du modèle.
Cette continuité est importante lorsqu'un nouveau modèle de casque arrive, qu'une caméra est déplacée ou qu'une ligne de production change. Les équipes peuvent mettre à jour leurs données, affiner les étiquettes, comparer les entraînements et déployer un modèle amélioré en suivant le même processus.
Utilise Ultralytics YOLO26 comme point de départ pour un nouveau projet de détection des EPI. Choisis la taille du modèle en mesurant à la fois la qualité de détection et la vitesse d'inférence sur le matériel prévu.
Comment créer un système de surveillance des EPI avec Ultralytics Platform#
1\. Définis une règle visible et collecte des données représentatives#
Commence par un objectif concret, par exemple vérifier le port du casque à l'entrée d'un chantier. Définis le champ de la caméra, les équipements requis, les heures de fonctionnement et les mesures à prendre par la personne chargée de l'examen lorsque l'application signale un événement.
Collecte des exemples à partir des caméras réellement utilisées, sur différents quarts de travail et dans différentes conditions. Inclus du contre-jour, des occultations partielles, des groupes de travailleurs, des scènes vides et des équipements transportés. Ces exemples aident à distinguer la situation recherchée des situations visuellement similaires.
Sépare les séquences d'entraînement et d'évaluation en fonction de la session d'enregistrement ou de la caméra. Les images consécutives d'un même clip doivent rester dans la même partition afin que la validation mesure les performances sur de nouvelles scènes.
Le jeu de données Construction-PPE est une ressource de départ utile pour explorer les classes d'EPI. Utilise des séquences représentatives de ton site pour déterminer si un modèle est prêt à être déployé.
2\. Annote les EPI de façon cohérente#
Charge tes images d'entraînement sur Ultralytics Platform et définis les classes dont tu as besoin. Son éditeur d'annotation prend en charge les boîtes englobantes manuelles et l'annotation intelligente à l'aide de modèles compatibles sur les jeux de données hébergés sur Platform. Vérifie les étiquettes suggérées, corrige les équipements manqués et supprime les boîtes incorrectes avant l'entraînement.
Rédige un court guide d'annotation pour que tout le monde traite les cas difficiles de manière cohérente. Un casque porté à la main est un équipement visible, mais cela ne prouve pas que la personne le porte. Une tête occultée ne doit pas non plus être automatiquement considérée comme un cas d'absence de casque.
Si l'objectif inclut la détection d'un port incorrect, définis explicitement les états visibles et recueille suffisamment d'exemples pour les évaluer. N'inclus que les distinctions que la caméra peut réellement montrer.
3\. Entraîne et compare des modèles YOLO26#
Crée un projet, sélectionne le jeu de données annoté et le modèle YOLO26, puis lance l'entraînement dans le cloud sur Ultralytics Platform. Suis les métriques d'entraînement et compare les exécutions à mesure que tu améliores les données ou ajustes la configuration du modèle.
Examine les performances pour chaque classe d'EPI. Un bon score global peut masquer de faibles performances de détection pour de petites lunettes ou des casques partiellement cachés par des machines. Examine les détections manquées et les faux positifs, ainsi que la précision et le rappel.
Teste les modèles candidats sur des exemples mis de côté provenant du déploiement prévu, y compris les vues de caméra les plus difficiles. Choisis un modèle qui répond à la fois à tes exigences de qualité et de latence.
4\. Déploie le modèle là où se trouvent tes caméras#
Ultralytics prend en charge l'inférence hébergée et l'exportation des modèles. Déploie un point de terminaison dédié aux requêtes de l'application ou exporte le modèle dans un format pris en charge pour exécuter l'inférence sur du matériel local compatible. ONNX et TensorRT sont des exemples de formats de déploiement disponibles dans le processus Ultralytics.
Pour les flux continus des caméras, mesure le débit et la latence avec le nombre réel de flux, les tailles d'image et le matériel prévu. L'application qui traite ces flux gère également les règles liées aux événements : association de l'équipement à la personne, contrôles de zone, persistance d'une image à l'autre et acheminement des événements vers les personnes chargées de les examiner. Le suivi Ultralytics peut maintenir la trajectoire des objets d'une image vidéo à l'autre pour faciliter cette logique.
Choisis la méthode de déploiement en fonction de tes besoins en matière de latence, de connectivité et de gestion des données, puis valide le modèle exporté ou le point de terminaison avant le déploiement.
5\. Examine les résultats et améliore le modèle#
Commence par un projet pilote à petite échelle et demande à une personne responsable de la sécurité de vérifier les événements signalés. Mesure à la fois les fausses alertes et les événements manqués ; réduire les alertes à lui seul peut masquer un détecteur qui manque trop d'événements.
Utilise la surveillance du déploiement pour examiner l'état du service, la latence des requêtes et les erreurs. Examine séparément des résultats échantillonnés des caméras en les comparant aux annotations humaines pour évaluer la qualité de détection. Les seules métriques d'infrastructure ne permettent pas d'établir la précision de détection des EPI.
Ajoute les exemples difficiles au jeu de données, corrige leurs annotations et relance l'entraînement sur Ultralytics Platform. Répète cet examen après toute modification importante de l'emplacement des caméras, des équipements, de l'éclairage ou de l'aménagement du site.
Qu'est-ce qui rend un projet pilote de détection des EPI utile ?#
Un projet pilote pratique répond à des questions précises sur les conditions auxquelles il sera confronté :
- La caméra peut-elle voir l'équipement ? Vérifie la taille des objets, la mise au point, l'éclairage et les obstacles à la distance concernée.
- L'application associe-t-elle les EPI à la bonne personne ? Examine les groupes et les travailleurs qui se chevauchent à l'image, y compris les équipements transportés à proximité.
- À quelle fréquence manque-t-elle un événement pertinent ? Examine un échantillon annoté du fonctionnement normal ainsi que les clips signalés.
- Combien de fausses alertes les personnes chargées de l'examen reçoivent-elles par quart de travail ? Mesure l'ensemble du processus de gestion des événements, y compris les détections répétées d'une même situation.
- Le système réagit-il assez vite ? Mesure le temps entre la capture de l'image et son arrivée dans la file d'examen ou l'envoi d'une notification, en passant par l'inférence.
Mettez-vous d'accord sur les critères d'acceptation avant le déploiement. Un rapport examiné à la fin d'un quart de travail et une notification immédiate n'ont pas les mêmes exigences en matière de délai et d'erreurs.
Conçois la surveillance en fonction d'observations utiles#
La surveillance des EPI peut reposer sur la détection d'objets et des trajectoires temporaires, sans ajouter de reconnaissance faciale. Définis l'objectif du système, limite l'accès aux images et fixe des durées de conservation claires pour toute séquence enregistrée.
Demande aux personnes chargées de l'examen d'interpréter les détections incertaines dans leur contexte. Une caméra ne peut pas évaluer la certification d'un équipement, les dommages cachés ni les protections qu'elle ne voit pas. Utilise les résultats pour appuyer les inspections du site, la formation et les procédures de sécurité établies.
Commence avec Ultralytics#
Choisis un champ de caméra et une exigence relative aux EPI. Recueille des images représentatives, annote-les, entraîne un modèle YOLO26 et évalue les résultats en fonction de critères clairs pour le projet pilote. Ultralytics offre à ton équipe un processus unique de vision par ordinateur qu'elle peut améliorer et étendre à mesure que le projet prend de l'ampleur.
Lance ton projet de détection des EPI sur Ultralytics Platform ou suis le guide de démarrage rapide de Platform pour créer ton premier modèle.
Foire aux questions
Utilise Ultralytics Platform pour gérer l'ensemble du processus de vision par ordinateur et Ultralytics YOLO26 pour détecter des EPI personnalisés. Tu peux préparer et annoter les données, entraîner et comparer les modèles, puis choisir l'inférence hébergée ou l'exportation pour ton déploiement, le tout dans un seul environnement.
Oui, si ton application d'inférence peut accéder au flux de la caméra et si celui-ci fournit suffisamment de détails pour détecter les EPI visés. Avant de passer à davantage de caméras, valide la résolution, l'angle de vue, l'éclairage et la capacité de traitement à l'aide de séquences représentatives.
Les capacités de détection des EPI dépendent des données d'entraînement et des classes du modèle. Ajuste un modèle de détection YOLO26 à partir d'exemples annotés de tes équipements et évalue-le sur des séquences qu'il n'a pas vues pendant l'entraînement.
Oui. Les modèles Ultralytics peuvent s'exécuter sur du matériel local compatible, notamment au moyen des formats d'exportation pris en charge. Choisis l'environnement d'exécution adapté à ton appareil et vérifie la vitesse et la qualité de détection après l'exportation.
Elle peut détecter les équipements visibles et faciliter les contrôles par rapport à des règles définies. Les résultats réels dépendent du champ de la caméra, des données d'entraînement et de la logique de l'application. Valide l'ensemble du processus et fais appel à un examen humain pour les événements ambigus.
