Ultralytics ile KKD Tespiti ve İş Yeri Güvenliği

İş yeri güvenliği ekiplerinin, gerekli koruyucu ekipmanların nerede eksik olduğunu ve hangi koşulların dikkat gerektirdiğini bilmesi gerekir. Bilgisayarlı görü; görüntülerde ve videolarda kişileri, baretleri, yüksek görünürlüklü yelekleri ve görünür diğer ekipmanları tespit ederek bu kontrolleri ölçülebilir hâle getirir.

Ultralytics Platform, eksiksiz KKD tespit iş akışını tek bir çalışma alanında bir araya getirir: verileri hazırla, ekipmanları etiketle, bir Ultralytics YOLO modeli eğit, modeli dağıt ve dağıtım performansını izle. Ekipler, proje boyunca bilgisayarlı görü çözümü olarak Ultralytics'ten yararlanırken kendi kameraları ve saha gereksinimleri doğrultusunda çalışabilir.

Bu kılavuz, ilk kamera örneğinden doğrulanmış dağıtıma kadar, pratik KKD izleme için bu iş akışının nasıl kullanılacağını açıklar.

KKD tespiti nedir?#

Kişisel koruyucu donanım (KKD) tespiti, koruyucu ekipmanları bulmak ve bunlara sınıf etiketleri atamak için nesne tespitinden yararlanır. Model, görünür her baret veya yelek için bir sınırlayıcı kutu ve güven skoru döndürebilir; aynı zamanda kişileri de tespit edebilir.

İzleme uygulaması daha sonra bu tahminleri belirli bir iş yeri kuralıyla ilişkilendirir. Örneğin, yükleme alanı kontrolünde, görünür üst bedeninde gerekli yelek bulunmayan bir kişi aranabilir. Bu kararı verebilmek için ekipmanı doğru kişiyle eşleştirmek ve ekipmanın görünmediği görüntülerle başa çıkmak gerekir.

Kameranın net biçimde görüntüleyebildiği ekipmanlarla başla. Baretler ve yelekler, kulak tıkacı veya eldiven ayrıntıları gibi küçük nesnelere kıyasla genellikle daha kullanışlı ilk hedeflerdir. Sahanın ihtiyaç duyduğu sınıfları eğit ve değerlendir; genel amaçlı, önceden eğitilmiş bir modelin her KKD türünü tanıdığı varsayılmamalıdır.

Ultralytics, bu iş akışları için görüntü yetenekleri sağlar. Model çıktılarının güvenlik ekibinin inceleyeceği olaylara nasıl dönüştürüleceğini sahaya özgü kurallar belirler.

İş yeri güvenliği için neden Ultralytics bilgisayarlı görü kullanılmalı?#

KKD projeleri, kamera görüntülerinden sahada iyi performans gösteren bir modele uzanan tekrarlanabilir bir iş akışına dayanır. Ultralytics Platform, veri kümesi yönetimini, etiketlemeyi, eğitimi, model dışa aktarımını, barındırılan çıkarımı ve dağıtım izlemesini bir araya getirir. Aynı çalışma alanı hem ilk pilotu hem de sonraki model güncellemelerini destekler.

Yeni bir kask modeli geldiğinde, kamera taşındığında veya üretim hattı değiştiğinde bu süreklilik önem kazanır. Ekipler aynı iş akışı üzerinden verilerini güncelleyebilir, etiketleri iyileştirebilir, eğitim çalışmalarını karşılaştırabilir ve geliştirilmiş bir modeli dağıtabilir.

Yeni bir KKD tespit projesine başlarken Ultralytics YOLO26 modelini temel al. Kullanmayı planladığın donanımda hem tespit kalitesini hem de çıkarım hızını ölçerek model boyutunu seç.

Ultralytics Platform ile KKD izleme nasıl oluşturulur?#

1. Görünür tek bir kural belirle ve temsili veriler topla#

İnşaat sahası girişinde baret kontrolü yapmak gibi somut bir hedefle başla. Kamera görüntüsünü, gerekli ekipmanı, çalışma saatlerini ve uygulama bir olayı işaretlediğinde incelemeyi yapan kişinin ne yapması gerektiğini belirle.

Gerçek kameralardan farklı vardiya ve koşullarda örnekler topla. Ters ışığı, kısmi örtüşmeyi, çalışan gruplarını, boş sahneleri ve taşınan ekipmanları dâhil et. Bu örnekler, hedeflenen koşulu görsel olarak benzer durumlardan ayırt etmeye yardımcı olur.

Eğitim ve değerlendirme görüntülerini kayıt oturumuna veya kameraya göre ayır. Aynı klipteki bitişik kareler aynı bölüme alınmalı; böylece doğrulama, yeni sahnelerdeki performansı ölçer.

Construction-PPE veri kümesi, KKD sınıflarını keşfetmek için yararlı bir başlangıç kaynağıdır. Bir modelin dağıtıma hazır olup olmadığını belirlemek için sahayı temsil eden görüntüleri kullan.

2. KKD'yi tutarlı biçimde etiketle#

Eğitim görüntülerini Ultralytics Platform'a yükle ve ihtiyaç duyduğun sınıfları tanımla. Platform'un etiketleme düzenleyicisi, Platform'da barındırılan veri kümelerinde uyumlu modellerle manuel sınırlayıcı kutuları ve Akıllı Etiketleme'yi destekler. Önerilen etiketleri gözden geçir, atlanan ekipmanları düzelt ve eğitimden önce hatalı kutuları kaldır.

Herkesin zor durumları tutarlı biçimde ele alması için kısa bir etiketleme kılavuzu yaz. Elde taşınan baret görünür bir ekipmandır, ancak kişinin bareti taktığını göstermez. Başka bir nesnenin örttüğü baş da otomatik olarak baret eksikliği örneği sayılmamalıdır.

Yanlış ekipman kullanımı hedefin bir parçasıysa görünür durumları açıkça tanımla ve bunları değerlendirmek için yeterli örnek topla. Yalnızca kameranın gerçekten gösterebildiği ayrımları dâhil et.

3. YOLO26 modellerini eğit ve karşılaştır#

Bir proje oluştur, etiketlenmiş veri kümesini ve YOLO26 modelini seç, ardından Ultralytics Platform'da bulut eğitimi başlat. Verileri iyileştirdikçe veya model yapılandırmasını değiştirdikçe eğitim metriklerini izle ve çalışmaları karşılaştır.

Her KKD sınıfının performansını incele. Genel olarak yüksek bir puan, küçük koruyucu gözlüklerin veya makinelerin arkasında kısmen gizlenmiş kaskların tespitindeki zayıflığı gizleyebilir. Kaçırılan tespitleri ve yanlış pozitifleri kesinlik ve duyarlılıkla birlikte gözden geçir.

Aday modelleri, en zor kamera görüntüleri de dâhil olmak üzere, hedeflenen dağıtımdan ayrılmış örneklerde test et. Hem kalite hem de gecikme gereksinimlerini birlikte karşılayan bir model seç.

4. Kameralarının çalıştığı yerde dağıtım yap#

Ultralytics, barındırılan çıkarımı ve model dışa aktarımını destekler. Uygulama istekleri için özel bir uç nokta dağıt veya uyumlu yerel donanımda çıkarım yapmak üzere modeli desteklenen bir biçime aktar. ONNX ve TensorRT, Ultralytics iş akışı üzerinden sunulan dağıtım biçimlerine örnektir.

Sürekli kamera akışlarında gerçek akış sayısı, görüntü boyutları ve donanımla verimi ve gecikmeyi ölç. Bu akışları kullanan uygulama, olay kurallarından da sorumludur: ekipmanın kişiyle eşleştirilmesi, bölge kontrolleri, kareler boyunca devamlılık ve olayların incelemeyi yapan kişilere yönlendirilmesi. Ultralytics takibi, bu mantığı desteklemek için video kareleri boyunca nesne izlerini sürdürebilir.

Dağıtım yöntemini gecikme, bağlantı ve veri işleme ihtiyaçlarına göre seç; ardından kullanıma sunmadan önce dışa aktarılan modeli veya uç noktayı doğrula.

5. Sonuçları gözden geçir ve modeli iyileştir#

Sınırlı bir pilotla başla ve işaretlenen olayları bir güvenlik sorumlusuna incelet. Hem yanlış uyarıları hem de kaçırılan olayları ölç; yalnızca uyarıları azaltmak, çok fazla olayı kaçıran bir tespit modelini gizleyebilir.

Hizmet durumunu, istek gecikmesini ve hataları incelemek için dağıtım izlemesini kullan. Tespit kalitesini değerlendirmek için örneklenmiş kamera sonuçlarını insan etiketleriyle ayrıca karşılaştır. Altyapı metrikleri tek başına KKD tespit doğruluğunu göstermez.

Zor örnekleri veri kümesine geri ekle, etiketlerini düzelt ve Ultralytics Platform'da yeniden eğitim yap. Kamera konumu, ekipman, aydınlatma veya saha düzeninde önemli değişiklikler olduğunda bu incelemeyi tekrarla.

KKD tespit pilotunu kullanışlı kılan nedir?#

Pratik bir pilot, sistemin karşılaşacağı koşullara ilişkin belirli soruları yanıtlar:

• Kamera ekipmanı görebiliyor mu? İlgili mesafede nesne boyutunu, odağı, aydınlatmayı ve engelleri kontrol et.
• Uygulama KKD'yi doğru kişiyle eşleştiriyor mu? Yakında taşınan ekipmanlar da dâhil olmak üzere grupları ve üst üste gelen çalışanları gözden geçir.
• İlgili bir olayı ne sıklıkta kaçırıyor? İşaretlenen kliplerin yanı sıra olağan işleyişten etiketlenmiş bir örneği de incele.
• Her vardiyada incelemeyi yapan kişilere kaç yanlış uyarı ulaşıyor? Aynı durumun yinelenen tespitleri de dâhil olmak üzere, olay iş akışının tamamını ölç.
• Yeterince hızlı yanıt veriyor mu? Görüntünün yakalanmasından çıkarım aşamasına, ardından inceleme kuyruğuna veya bildirime kadar geçen süreyi ölç.

Kullanıma sunmadan önce kabul ölçütleri üzerinde anlaş. Vardiya sonunda incelenen bir raporun ve anlık bildirimin zamanlama ve hata gereksinimleri farklıdır.

İzlemeyi yararlı gözlemler etrafında tasarla#

KKD izleme, yüz tanıma eklemeden nesne tespitleri ve geçici izlerle çalışabilir. Sistemin amacını belirle, görüntülere erişimi kısıtla ve saklanan tüm görüntüler için açık saklama süreleri belirle.

İncelemeyi yapan kişilerin belirsiz tespitleri bağlam içinde yorumlamasını sağla. Kamera; ekipman sertifikasını, gizli hasarı veya göremediği korumayı değerlendiremez. Sonuçları saha denetimlerini, eğitimi ve yerleşik güvenlik prosedürlerini desteklemek için kullan.

Ultralytics ile başla#

Bir kamera görüntüsü ve bir KKD gereksinimi seç. Temsili görüntüler topla, etiketle, bir YOLO26 modeli eğit ve sonuçları açık pilot ölçütlerine göre değerlendir. Proje büyüdükçe Ultralytics, ekibine iyileştirme ve genişletme için tek bir bilgisayarlı görü iş akışı sunar.

KKD tespit projenizi Ultralytics Platform'da başlat veya ilk modelini oluşturmak için Platform hızlı başlangıç kılavuzunu izle.