Resumen

La seguridad laboral en la industria es una actividad fundamental debido a la gestión de los controles necesarios que deben estar presentes para mitigar los riesgos laborales y las consecuencias de los accidentes. En estos controles se incluye la verificación del uso de equipamiento de protección personal (EPP), en especial el uso de cascos de seguridad, que tiene vital importancia para reducir consecuencias graves o fatales causados por impactos en la cabeza. Últimamente se han desarrollado investigaciones basadas en el aprendizaje profundo que detectan personas con o sin cascos de seguridad. En estas se ha evidenciado una mejora significativa para el problema de detección de objetos en general y para cascos en particular, por medio de métodos basados en la familia YOLO. En este trabajo, se propone contribuir principalmente en analizar el rendimiento de un novedoso modelo de la familia YOLO que no ha sido evaluado anteriormente en este problema. Específicamente, se evalúa el rendimiento de Scaled-YOLOv4 sobre dos bases de datos públicas, las cuales se seleccionaron luego de una revisión exhaustiva de la literatura sobre conjuntos de datos propuestos para resolver distintos problemas de detección de objetos en el marco de la seguridad laboral. Como resultado se evidencia que Scaled-YOLOv4 logra mejorar el desempeño en términos de mAP y F1-score con respecto a los trabajos previos evaluados en ambas bases de datos. Además, a partir de esta revisión, se genera y se pone a disposición una lista depurada de bases de datos públicas para este propósito.

INTRODUCCIÓN

Los comportamientos inseguros que pueden presentar los trabajadores, las actividades de alto riesgo y la ejecución de trabajos en lugares peligrosos conllevan a menudo a accidentes laborales [1]. Para reducir los riesgos que provocan accidentes, los especialistas de seguridad, tienen el rol de monitorear e identificar los riesgos sobre los controles críticos, condiciones de terreno, estructuras o comportamientos de los trabajadores, para así establecer estándares de seguridad en la organización. Sin embargo, aun así los trabajadores están sujetos a peligros de seguridad en entornos críticos [2]. En este sentido, es necesario velar por el cumplimiento de los protocolos de seguridad para disminuir consecuencias graves derivadas de algún accidente. En concreto, dentro de los protocolos de seguridad, está el uso apropiado de equipamiento de protección personal (EPP), el cual depende de la actividad encomendada. Particularmente, el casco de seguridad es un EPP utilizado para proteger la parte superior de la cabeza del trabajador, siendo una barrera protectora que absorbe las energías de los impactos [3]. Su uso toma vital importancia considerando lo común que resultan las lesiones de la cabeza en países industrializados. Específicamente, este tipo de lesiones fluctúa entre el 3% y 6% de todos los accidentes con consecuencias laborales que suelen ser graves o pueden llegar a ser fatales [3]. Además, considerando que uno de los factores sobre las causas básicas de los accidentes son las circunstancias que dependen del comportamiento de los trabajadores [4], es relevante que las organizaciones incrementen sus capacidades de monitoreo y control de conductas riesgosas, como el no uso de los cascos de seguridad, con el propósito de mitigar la gravedad de un accidente. 

• Materias:Aprendizaje automático Algoritmos de aprendizaje Equipos de seguridad Seguridad en el trabajo
• Subjects:Machine learning Learning algorithms Safety equipment Safety at work
• Palabras claves:Deep Learning; Detección de cascos de seguridad; Scaled-YOLOv4; Bases de datos de cascos de seguridad
• Keywords:Deep Learning; Safety helmet detection; Scaled-YOLOv4; Safety helmet databases