YOLOv8 का उपयोग करके गैर-सुरक्षात्मक व्यक्तिगत उपकरण पहचान पर छवि संवर्धन तकनीकों की प्रभावशीलता

गैर-सुरक्षात्मक व्यक्तिगत उपकरण (PPE) की पहचान निर्माण स्थलों पर महत्वपूर्ण है। हालांकि गहरी सीखने वाले मॉडल साइट पर कैमरों से ऐसी जानकारी पहचानने में सक्षम हैं, लेकिन उनकी सफलता बड़े, विविध और उच्च गुणवत्ता वाले डेटासेट पर निर्भर करती है। छवि संवर्धन डेटासेट की विविधता को कृत्रिम रूप से बढ़ाने का एक विकल्प प्रदान करता है। हालाँकि, निर्माण वातावरण में गैर-PPE पहचान पर इसका प्रभाव ठीक से जांचा नहीं गया है। यह अध्ययन आठ भिन्न संवर्धन तकनीकों - चमक, संपर्क, दृष्टिकोण, घुमाव, पैमाना, कटाव, अनुवाद और सभी विधियों को शामिल करने वाली एक संयुक्त रणनीति को लागू करने वाली एक कार्यप्रणाली पेश करता है। मॉडल की प्रदर्शन का आकलन विभिन्न वर्गों और आर्किटेक्चर के बीच सटीकता की तुलना करके किया गया, संवर्धन के साथ और बिना। जबकि इनमें से अधिकांश संवर्धन ने सटीकता में सुधार किया, उनकी प्रभावशीलता कार्य पर निर्भर थी। इसके अलावा, सबसे लाभदायक संवर्धन गैर-PPE वर्ग और आर्किटेक्चर के अनुसार भिन्न हुआ, यह सुझाव देते हुए कि संवर्धन रणनीतियों को प्रत्येक वर्ग और मॉडल की विशिष्ट विशेषताओं के अनुसार तैयार किया जाना चाहिए। हालांकि यहाँ मुख्य ध्यान गैर-PPE पर है, मूल्यांकन की गई तकनीकें निर्माण स्थलों पर संबंधित कार्यों के लिए भी लागू हो सकती हैं, जैसे भारी उपकरणों का पता लगाना या खतरनाक श्रमिक व्यवहार की पहचान करना।