[학위논문]지게차 충돌 방지용 접근감지 시스템을 위한 영상 데이터 수집에 관한 연구 A Study on the Collection of Image Data for the Object-Detection System for the Prevention of Forklift Collision원문보기
현재 산업 현장은 인력운반의 대체 장비로 지게차를 이용하여 운반 작업을 실시하고 있다. 그러나 지게차는 사각지대의 시야 미확보로 인한 안전사고 발생률이 높고, 지게차 최근 10년의 안전사고의 사망사고 형태는 충돌, 전도, 협착의 비율이 68%의 비중을 차지하고 있다. 그리하여 본 연구는 현재 사업장의 충돌방지 안전장치의 기능을 분석하고 단점을 반영한 지게차 운전자의 사각지대 시야 확보 및 안전사고 예방을 위해 객체인식 카메라 개발을 위한 효과적인 데이터를 수집하고, ...
현재 산업 현장은 인력운반의 대체 장비로 지게차를 이용하여 운반 작업을 실시하고 있다. 그러나 지게차는 사각지대의 시야 미확보로 인한 안전사고 발생률이 높고, 지게차 최근 10년의 안전사고의 사망사고 형태는 충돌, 전도, 협착의 비율이 68%의 비중을 차지하고 있다. 그리하여 본 연구는 현재 사업장의 충돌방지 안전장치의 기능을 분석하고 단점을 반영한 지게차 운전자의 사각지대 시야 확보 및 안전사고 예방을 위해 객체인식 카메라 개발을 위한 효과적인 데이터를 수집하고, 딥 러닝 알고리즘에 학습하여 사람, 사람 몸 전체, 사람 몸 일부, 지게차, 배터리 카의 5가지 Class를 감지하는 테스트 카메라를 개발하였다. 개발한 카메라는 인식률에서 정상적인 작업조건에서는 95%이상의 인식률을 보였지만, 사람의 몸이 장애물에 가리거나, 지게차의 이동속도가 빠른 경우, 신체의 일부분만 감지되는 경우, 사복을 입은 근로자의 경우는 인식률이 낮은 것을 알 수 있다. 그리하여 현재 딥 러닝 기반의 안전장치 개발은 편리한 기능으로 사업장의 안전 확보에 많은 기여를 하지만 사업장의 특성을 반영한 효과적인 데이터를 바탕으로 여러 가지 조건을 학습한 경우에는 객체인식 카메라의 효율성을 더욱 높일 수 있을거라 생각한다.
현재 산업 현장은 인력운반의 대체 장비로 지게차를 이용하여 운반 작업을 실시하고 있다. 그러나 지게차는 사각지대의 시야 미확보로 인한 안전사고 발생률이 높고, 지게차 최근 10년의 안전사고의 사망사고 형태는 충돌, 전도, 협착의 비율이 68%의 비중을 차지하고 있다. 그리하여 본 연구는 현재 사업장의 충돌방지 안전장치의 기능을 분석하고 단점을 반영한 지게차 운전자의 사각지대 시야 확보 및 안전사고 예방을 위해 객체인식 카메라 개발을 위한 효과적인 데이터를 수집하고, 딥 러닝 알고리즘에 학습하여 사람, 사람 몸 전체, 사람 몸 일부, 지게차, 배터리 카의 5가지 Class를 감지하는 테스트 카메라를 개발하였다. 개발한 카메라는 인식률에서 정상적인 작업조건에서는 95%이상의 인식률을 보였지만, 사람의 몸이 장애물에 가리거나, 지게차의 이동속도가 빠른 경우, 신체의 일부분만 감지되는 경우, 사복을 입은 근로자의 경우는 인식률이 낮은 것을 알 수 있다. 그리하여 현재 딥 러닝 기반의 안전장치 개발은 편리한 기능으로 사업장의 안전 확보에 많은 기여를 하지만 사업장의 특성을 반영한 효과적인 데이터를 바탕으로 여러 가지 조건을 학습한 경우에는 객체인식 카메라의 효율성을 더욱 높일 수 있을거라 생각한다.
Currently, the industrial site is carrying out the transport operation using forklifts as an alternative equipment for human labor. However, forklifts have the high safety accident rate due to the lack of visibility in the blind spot. Additionally, among the fatal safety accidents related to forklif...
Currently, the industrial site is carrying out the transport operation using forklifts as an alternative equipment for human labor. However, forklifts have the high safety accident rate due to the lack of visibility in the blind spot. Additionally, among the fatal safety accidents related to forklift vehicles, the accidents caused collision, conduction and stenosis account for 68% in the last 10 years. In this sense, we aimed to develop the efficient test camera system which can cope with the existing problems in the current system. We analyzed the functions of the collision prevention safety device in the current site and collect effective image data for object detection camera development. Based on the result, this study suggests the test camera system which is able to detect the five different classes of people, entire human body, parts of human body, forklift, and battery car by learning the deep running algorithm. The test camera showed a recognition rate of more than 95% under normal working conditions. However, if the target person is covered by an obstacle, a forklift moves quickly, or only the part of the body is detected, the recognition rate becomes lower in the case of workers in plain clothes. Thus far, while the development of a deep-learning-based safety device currently contributes a lot to the safety of the workplace with its convenient function, the efficiency of object-based cameras can be enhanced further if the system learns various conditions in workplace. based on effective image database reflecting the characteristics of the workplace.
Currently, the industrial site is carrying out the transport operation using forklifts as an alternative equipment for human labor. However, forklifts have the high safety accident rate due to the lack of visibility in the blind spot. Additionally, among the fatal safety accidents related to forklift vehicles, the accidents caused collision, conduction and stenosis account for 68% in the last 10 years. In this sense, we aimed to develop the efficient test camera system which can cope with the existing problems in the current system. We analyzed the functions of the collision prevention safety device in the current site and collect effective image data for object detection camera development. Based on the result, this study suggests the test camera system which is able to detect the five different classes of people, entire human body, parts of human body, forklift, and battery car by learning the deep running algorithm. The test camera showed a recognition rate of more than 95% under normal working conditions. However, if the target person is covered by an obstacle, a forklift moves quickly, or only the part of the body is detected, the recognition rate becomes lower in the case of workers in plain clothes. Thus far, while the development of a deep-learning-based safety device currently contributes a lot to the safety of the workplace with its convenient function, the efficiency of object-based cameras can be enhanced further if the system learns various conditions in workplace. based on effective image database reflecting the characteristics of the workplace.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.