건설 현장에서 안전 헬멧 착용을 감지하기 위한 YOLO-M 기반 모델

건설 현장에서의 안전 보장은 여전히 주요 과제로, 지능형 자동 모니터링 시스템의 필요성을 강조합니다. 본 연구는 고급 컴퓨터 비전 기술을 기반으로 한 스마트 헬멧 감지 프레임워크를 제시하며, 실시간으로 안전 조치를 강화하기 위해 설계되었습니다. 이 논문은 YOLOv5s, YOLOv5-M, YOLOv3, YOLOv4, YOLOv8, GhostCNN과 통합된 YOLOv5, SSD, RetinaNet, Faster R-CNN 등 여러 최첨단 객체 감지 모델을 체계적으로 평가합니다. 이 모델들은 안전 집행 작업의 실행 가능성을 판단하기 위해 탐지 정확도, 처리 속도 및 하드웨어 효율성을 기준으로 평가됩니다. 이 시스템은 주로 건설 근로자를 보호하는 것을 목표로 하며, 자원 관리 및 감시를 강화하여 현장 감독을 지원합니다. 실험 결과는 YOLOv5-GhostCNN 아키텍처가 97%를 초과하는 평균 정밀도(mAP)를 달성하여 중요한 안전 애플리케이션에서의 능력을 강조함을 나타냅니다. 이 연구는 AI 기반 안전 모니터링의 효과적인 사용을 촉진하여 더 안전한 건설 환경을 만드는 목표를 발전시킵니다.