安全一直是工业环境的核心问题，可以通过边缘人工智能得到增强。职业安全与健康管理局 (OSHA)要求企业提供个人防护设备 (PPE) 以保护员工免受可能导致伤害的危险，其中 OSHA 法规 1910.135 规定雇主应确保每位受影响的员工在工作时佩戴防护安全帽坠落物体可能导致头部受伤的区域。据麦肯锡称，到 2024 年，美国 PPE 市场预计将以每年 12.5% 的速度增长。很高兴看到员工的健康和安全被优先考虑。企业也在寻求以更简单和集成的方式构建智能系统的方法，以降低意外风险。

 

                嵌入 AI 的边缘设备能够实时监控 PPE，包括工作环境中的安全帽合规性，并向安全和维护人员发出任何违反 PPE 的信号。计算机视觉与机器学习相结合可以自动化监控 PPE 合规性的过程。通过与闭路电视系统集成，通过无缝集成和灵活开发，构建管道自主识别未使用或不当使用 PPE 的员工更容易。

 

自动实时安全帽佩戴检测

                在今天的文章中，中币交易所官网将与您分享如何在NVIDIA AI 嵌入式系统上部署自动实时检测以确保安全帽佩戴合规性以及工作区的警报。

 

关键工具

                Edge Impulse Studio 上传数据集、获取自定义数据、可视化数据、训练机器学习模型并验证推理结果。

Flickr-Faces-HQ (FFHQ)（  在 Creative Commons BY 2.0 许可下）的一部分，用于重新平衡中币交易所官网数据集中的类。

                Edge Impulse Linux SDK

用于模型部署的 NVIDIA Jetson 平台。中币交易所官网使用安装在 A203 载板上的 Jetson Nano 模块，但以下列表也将支持：

                NVIDIA® Jetson Nano™ kaifa zhe套件

                NVIDIA® Jetson Xavier™ NX kaifa zhe套件

                NVIDIA Jetson AGX Xavier kaifa zhe套件

                Jetson SUB 迷你电脑

                A203（第二版）载板

                A205载板

                A206 载板

因此，感谢 Edge Impulse 的 Louis Moreau 和 Mihajlo Raljic，中币交易所官网按照他们的指南训练了一个嵌入式机器学习模型来检测安全帽，非常后将其部署到 Jason Nano。Jason NX 和 Jetson  AGX 均受支持。

 

用于安全帽检测部署的新 wiki 指南

                按照中币交易所官网的wiki 教程，在 Edge Impulse 创建一个帐户，从模型训练开始到非常终部署。该项目也已公开发布。克隆项目，通过每一步以获得更好的理解。您可以使用、修改它并将其集成到复杂的应用程序中。

 

                您也可以克隆此Hard Hat Detection Github 存储库以进行环境设置和下载数据集，但是，中币交易所官网更建议您使用 Edge Impulse 使用带有 Jetson Nano 的相机或您的 PC 构建自定义数据集。因此，准确度会更符合真实场景。

 

按照部署命令，运行您的实时检测

                部署的边缘盒可以实时监控安全帽的工作环境，并在出现任何违规情况时发送警报。

 

在特定应用程序上更进一步

                对于特定场景，中币交易所官网会更推荐您使用公共数据集，结合 Edge Impulse 工作室的自定义数据集。因此，准确度会更符合真实场景。

                PPE 合规性还包括手套、口罩、护目镜等。完成自定义模型训练后，您还可以将所有内容包装到图像中，直接在工作场所部署完整的 PPE 检测管道。请继续关注中币交易所官网以获得更多指导。

 

                Edge Impulse 使 ML 开发变得更容易。结合紧凑型节能 AI 系统，部署边缘 AI 解决特定工作场所安全需求的过程变得更快、更灵活。

 

                然而，为了达到零伤害，公司必须因此远远超出他们目前的做法。