New Sinh Vien & Hoc Vien
 Search

Tìm hiểu nghiên cứu về "Improved detection network model based on YOLOv5 for warning safety in construction sites" của TS. Trần Nguyễn Ngọc Cương

TS. Trần Nguyễn Ngọc Cương – Giảng viên của Khoa Kinh tế và Kinh doanh quốc tế đã cùng với các cộng sự của mình xuất bản thành công một công trình nghiên cứu trên Tạp chí quốc tế thuộc danh mục Web of Sience xếp hạng Q1. Hãy cùng tìm hiểu về nghiên cứu này nhé!


Ngày 09/02/2023, TS. Trần Nguyễn Ngọc Cương – Giảng viên của Khoa cùng với các cộng sự của mình là PGS.TS. Trần Đức Học, TS. Bùi Đào Quang Thanh và Nguyễn Ngọc Thoan,  đã xuất bản thành công một công trình nghiên cứu trên Tạp chí quốc tế International Journal of Construction Management – tạp chí thuộc danh mục Web of Sience xếp hạng Q1 với tựa đềImproved detection network model based on YOLOv5 for warning safety in construction sites”. 

Bài nghiên nghiên cứu nhấn mạnh công tác đảm bảo an toàn cho người lao động là nhiệm vụ trọng yếu trong công tác quản lý công trường. Nhiều tai nạn xảy ra tại các công trường xây dựng với rất nhiều lý do khác nhau như: ngã, va chạm, điện giật hoặc mắc kẹt trong các thiết bị đang vận hành,... Do đó việc sử dụng các thiết bị nhằm đảm bảo an toàn lao động là hết sức cần thiết. Thiết bị bảo vệ cá nhân (PPE) phù hợp được nêu trong các quy tắc an toàn được sử dụng rộng rãi để đảm bảo an toàn cho người lao động. Tuy nhiên, việc sử dụng PPE dựa vào các phương pháp truyền thống như giám sát vật lý và quan sát bằng video có thể gây lãng phí thời gian, không xử lý được kịp thời kém và bỏ lỡ các cuộc kiểm tra,... 

Để khắc phục những hạn chế nêu trên, nghiên cứu của TS. Trần Nguyễn Ngọc Cương và cộng sự đã sử dụng thuật toán You Only Look Once (YOLO) mới, có tên là YOLOv5, bao gồm bốn cấu trúc mạng là YOLOv5s, YOLOv5m, YOLOv5l và YOLOv5x để giám sát an toàn. Nghiên cứu sử dụng bộ dữ liệu với 11978 mẫu đã được sử dụng để thiết lập hệ thống giám sát an toàn kỹ thuật số thông qua giai đoạn huấn luyện và kiểm tra. Kết quả so sánh giữa bốn cấu trúc mạng cho thấy YOLOv5 hoạt động tốt nhất và tốc độ phát hiện trung bình đạt 110 khung hình/giây, đáp ứng yêu cầu phát hiện theo thời gian thực. 

Bài nghiên cứu đã đóng góp rất hữu ích trong nghiên cứu và thực hành. Cụ thể:

  1. Cung cấp giải pháp để nhận dạng tự động PPE trên các công trường xây dựng; 
  2. Đề xuất một công cụ có giá trị hỗ trợ kỹ sư an toàn công trường trong nhiệm vụ tự động phát hiện PPE của công nhân xây dựng; và
  3. Tính hiệu quả và tính ưu việt của phương pháp đã được sử dụng trong nghiên cứu được đánh giá cao nhờ thực hiện trên bộ dữ liệu lớn với 11978 mẫu và các trường hợp công trình trên thực tế.

Nghiên cứu này giúp mở rộng khối kiến thức liên quan đến quản lý an toàn lao động trong lĩnh vực xây dựng. Các phát hiện của nghiên cứu có thể hỗ trợ các nhà quản lý trong việc giảm thiểu các hạn chế trong quản lý an toàn lao động, từ đó giảm thiểu các vụ tai nạn lao động  trong xây dựng. 

Chi tiết bài báo xem tại đây.


Mai Mai

FullName Email
Address Security code CFQGTN
Content

Other News