Көпдеңгейлі белгілерді біріктіру және кеңістіктік назар модуліне негізделген терең оқыту модельдері арқылы жеке қорғаныс құралдарын анықтау

Нұрзада Амангелдi; Алибек Барлыбаев; Назира Турсынова

doi:10.32523/bulmathenu.2025/2.2

Авторлар

Нұрзада Амангелдi Л.Н. Гумилев атындағы Еуразия ұлттық университетi https://orcid.org/0000-0002-4669-9254
Алибек Барлыбаев Л.Н. Гумилев атындағы Еуразия ұлттық университетi https://orcid.org/0000-0002-0188-5336
Nazira Abdizhapparovna Л.Н. Гумилев атындағы Еуразия ұлттық университетi https://orcid.org/0000-0002-1857-9028

DOI:

https://doi.org/10.32523/bulmathenu.2025/2.2

Кілт сөздер:

терең оқыт, жеке қорғаныс құралы, өндірістік қауіпсіздік, интеллектуалды жүйе, компьютерлік көру

Аңдатпа

Ұсынылып отырған зерттеу жұмысында түрлі өндіріс жұмыс орындарында кездесетін күрделі орталарда жеке қорғаныс құралдарын автоматты түрде тануға арналған терең оқыту модельдерінің тиімділігі қарастырылды. Жеке қорғаныс құралдары түрлі жарақаттар мен қауіпті әсерлерден сақтандыруға арналған, ал оларды қолдануды заманауи терең оқыту модельдерінің көмегімен бақылау маңызды әрі қажетті шешім болып табылады. Аталған зияндардың көп түрлілігіне орай, қорғаныс құралдарын толық қамту үшін көпклассты құрылымнан тұратын, әртүрлі көріністерді қамтыған, толық аннотацияланған заманауи, әлі зерделеніп үлгермеген деректер жиынын Yolov11 терең оқыту желісімен оқытылып, олардың сенімділігі мен нақты қолданбалардағы әлеуеті бағаланды. Нәтижелер көрсеткендей, архитектуралық жағынан жетілдірілген модельдер күрделі және теңгерімсіз деректермен де тиімді жұмыс істей алады. Сонымен қатар, зерттеу барысында YOLOv8 және YOLOv10 модельдерімен салыстырмалы талдау жүргізіліп, әр архитектураның нұсқалары бойынша талдау жасалды. Бұл зерттеу өндірістік қауіпсіздік саласындағы интеллектуалды жүйелерді дамытуға үлес қосып, қызметкердің жұмыс орнындағы қауіпсіздік ережелерін сақтауын бақылау, сол арқылы өмірін сақтап қалу тұрғысынан практикалық қолдануға жарамды шешім ұсынады.

Автор өмірбаяндары

Нұрзада Амангелдi, Л.Н. Гумилев атындағы Еуразия ұлттық университетi

Байланыс үшiн автор, PhD, Жасанды интеллект технологиялары кафедрасының аға оқытушысы, Л.Н. Гумилев атындағы Еуразия ұлттық университетi, Сәтбаев көшесi 2, 010008, Астана, Қазақстан

Алибек Барлыбаев, Л.Н. Гумилев атындағы Еуразия ұлттық университетi

PhD, жасанды интеллект технологиялары кафедрасының оқытушы-зерттеушісі, Л.Н. Гумилев атындағы Еуразия ұлттық университетi, Сәтбаев көшесi 2, 010008, Астана, Қазақстан

Nazira Abdizhapparovna, Л.Н. Гумилев атындағы Еуразия ұлттық университетi

Жасанды интеллект технологиялары кафедрасының PhD докторанты, Л.Н. Гумилев атындағы Еуразия ұлттық университетi, Сәтбаев көшесi 2, 010008, Астана, Қазақстан

Әдебиеттер тізімі

Қазақстандағы өндірістік жарақаттану деңгейі 4{,}5%-ға азайған [Электронды ресурс]. - URL: https://www.gov.kz/memleket/entities/enbek/press/news/details/924686?lang=ru (Қаралған күні: 09.06.2025).

Статистика бойынша медициналық көрсеткіштер – 2022 жыл [Электронды ресурс]. - URL: https://stat.gov.kz/ru/industries/social-statistics/stat-medicine/publications/6411/ (Қаралған күні: 09.06.2025).

Статистика бойынша медициналық көрсеткіштер – 2023 жыл [Электронды ресурс]. - URL: https://stat.gov.kz/ru/industries/social-statistics/stat-medicine/publications/158509/ (Қаралған күні: 09.06.2025).

жылдың басынан бері Қазақстанда өндірісте 40 адам қайтыс болған [Электронды ресурс]. - URL: https://24.kz/ru/news/social/705980-40-pogibshikh-na-proizvodstve-v-kazakhstane-s-nachala-goda (Қаралған күні: 09.06.2025).

Barlybayev A., Amangeldy N., Kurmetbek B., Krak I., Razakhova B., Tursynova N., Turebayeva R. Personal protective equipment detection using YOLOv8 architecture on object detection benchmark datasets: a comparative study, Cogent Engineering. – 2024. – Vol. 11, No. 1. – P. 2333209. – https://doi.org/10.1080/23311916.2024.2333209. DOI: https://doi.org/10.1080/23311916.2024.2333209

López L., Suárez-Ramírez J., Alemán-Flores M., Monzón N. Automated PPE compliance monitoring in industrial environments using deep learning-based detection and pose estimation, SSRN [Preprint]. – 2024 Nov 28. – https://doi.org/10.2139/ssrn.5037705. DOI: https://doi.org/10.2139/ssrn.5037705

Ferdous M., Ahsan S.M. PPE detector: a YOLO-based architecture to detect personal protective equipment (PPE) for construction sites, PeerJ Comput. Sci. – 2022. – Vol. 8. – Article e999. – https://doi.org/10.7717/peerj-cs.999. DOI: https://doi.org/10.7717/peerj-cs.999

Kim D., Xiong S. Enhancing worker safety: real-time automated detection of personal protective equipment to prevent falls from heights at construction sites using improved YOLOv8 and edge devices, J. Constr. Eng. Manag. – 2025. – Vol. 151, No. 1. – P. 04024187. – https://doi.org/10.1061/(ASCE)CO.1943-7862.0002418. DOI: https://doi.org/10.1061/JCEMD4.COENG-14985

Amangeldy N., Barlybayev A., Gazizova N., Kurmetbek B. Evaluation of YOLOv8 and YOLOv10 models in PPE recognition tasks, J. Electr. Syst. – 2024. – Vol. 20, No. 10. – P. 8141–8148. – Available from: https://journal.esrgroups.org/jes/article/view/7051.

Shi C., Zhu D., Shen J., Zheng Y., Zhou C. GBSG-YOLOv8n: a model for enhanced personal protective equipment detection in industrial environments, Electronics. – 2023. – Vol. 12, No. 22. – P. 4628. – https://doi.org/10.3390/electronics12224628. DOI: https://doi.org/10.3390/electronics12224628

Majumder A., Chatterjee S. YoloGA: an evolutionary computation based YOLO algorithm to detect personal protective equipment, J. Intell. Fuzzy Syst. – 2025 May 15. – [Epub ahead of print]. DOI: https://doi.org/10.1177/18758967251338695

Bento J., Paixão T., Alvarez A.B. Performance evaluation of YOLOv8, YOLOv9, YOLOv10, and YOLOv11 for stamp detection in scanned documents, Appl. Sci. – 2025. – Vol. 15, No. 6. – P. 3154. DOI: https://doi.org/10.3390/app15063154. DOI: https://doi.org/10.3390/app15063154

Barro-Torres S., Fernández-Caramés T.M., Pérez-Iglesias H.J., Escudero C.J. Real-time personal protective equipment monitoring system, Comput. Commun. – 2012. – Vol. 36, No. 1. – P. 42–50. DOI: https://doi.org/10.1016/j.comcom.2012.01.005. DOI: https://doi.org/10.1016/j.comcom.2012.01.005

Nikulin A., Ikonnikov D., Dolzhikov I. Smart personal protective equipment in the coal mining industry, Int. J. Civ. Eng. Technol. – 2019. – Vol. 10, No. 4. – P. 852–863.

Park S.H. Personal protective equipment for healthcare workers during the COVID-19 pandemic, Infect. Chemother. – 2020. – Vol. 52, No. 2. – P. 165. DOI: https://doi.org/10.3947/ic.2020.52.2.165. DOI: https://doi.org/10.3947/ic.2020.52.2.165

Wong T.K.M., Man S.S., Chan A.H.S. Critical factors for the use or non-use of personal protective equipment amongst construction workers, Saf. Sci. – 2020. – Vol. 126. – Article 104663. DOI: https://doi.org/10.1016/j.ssci.2020.104663. DOI: https://doi.org/10.1016/j.ssci.2020.104663

Zhang H., Mu C., Ma X., Guo X., Hu C. MEAG-YOLO: A novel approach for the accurate detection of personal protective equipment in substations, Appl. Sci. – 2024. – Vol. 14, No. 11. – P. 4766. DOI: https://doi.org/10.3390/app14114766. DOI: https://doi.org/10.3390/app14114766

Ragab M.G., Abdulkader S.J., Muneer A., et al. A comprehensive systematic review of YOLO for medical object detection (2018 to 2023), IEEE Access. – 2024. DOI: https://doi.org/10.1109/access.2024.3386826. DOI: https://doi.org/10.1109/ACCESS.2024.3386826

Chen J., Zhu J., Li Z., Yang X. YOLOv7-WFD: A novel convolutional neural network model for helmet detection in high-risk workplaces, IEEE Access. – 2023. – Vol. 11. DOI: https://doi.org/10.1109/ACCESS.2023.3323588. DOI: https://doi.org/10.1109/ACCESS.2023.3323588

Elesawy A., Abdelkader E.M., Osman H. A detailed comparative analysis of You Only Look Once-based architectures for the detection of personal protective equipment on construction sites, Eng. – 2024. – Vol. 5, No. 1. DOI: https://doi.org/10.3390/eng5010019. DOI: https://doi.org/10.3390/eng5010019

Kwon Y.H., Park S., Minh Luan T., Oh S., Heo J. Training data sensitivity analysis of deep neural network for differentiating construction laborers with/without safety helmets, Computing in Civil Engineering 2023, ASCE. – 2024. DOI: https://doi.org/10.1061/9780784485248.062. DOI: https://doi.org/10.1061/9780784485248.062

Otgonbold M.E., Gochoo M., Alnajjar F., et al. SHEL5K: An extended dataset and benchmarking for safety helmet detection, Sensors. – 2022. – Vol. 22, No. 6. DOI: https://doi.org/10.3390/s22062315. DOI: https://doi.org/10.3390/s22062315

Samma H., Al-Azani S., Luqman H., Alfarraj M. Contrastive-based YOLOv7 for personal protective equipment detection, Neural Comput. Appl. – 2024. – Vol. 36, No. 5. DOI: https://doi.org/10.1007/s00521-023-09212-6. DOI: https://doi.org/10.1007/s00521-023-09212-6

Wang Z., Wu Y., Yang L., et al. Fast personal protective equipment detection for real construction sites using deep learning approaches, Sensors. – 2021. – Vol. 21, No. 10. – Article 3478. DOI: https://doi.org/10.3390/s21103478. DOI: https://doi.org/10.3390/s21103478

Nguyen N.T., Tran Q., Dao C.H., et al. Automatic detection of personal protective equipment in construction sites using metaheuristic optimized YOLOv5, Arab J. Sci. Eng. – 2024. – Vol. 49, No. 10. DOI: https://doi.org/10.1007/s13369-023-08700-0. DOI: https://doi.org/10.1007/s13369-023-08700-0

Zhang Q., Pei Z., Guo R., et al. An automated detection approach of protective equipment donning for medical staff under COVID-19 using deep learning, Comput. Model. Eng. Sci. – 2022. – Vol. 132, No. 3. DOI: https://doi.org/10.32604/cmes.2022.019085. DOI: https://doi.org/10.32604/cmes.2022.019085

Alateeq M.M., Fathimathul F.R., Ali M.A.S. Construction site hazards identification using deep learning and computer vision, Sustainability. – 2023. – Vol. 15, No. 3. DOI: https://doi.org/10.3390/su15032358. DOI: https://doi.org/10.3390/su15032358

Wang Z., Cai Z., Wu Y. An improved YOLOX approach for low-light and small object detection: PPE on tunnel construction sites, J. Comput. Des. Eng. – 2023. – Vol. 10, No. 3. DOI: https://doi.org/10.1093/jcde/qwad042. DOI: https://doi.org/10.1093/jcde/qwad042

Ahmad H.M., Rahimi A. SH17: A dataset for human safety and personal protective equipment detection in manufacturing industry, J. Saf. Sci. Resil. – 2024. – Vol. 6, No. 2. – P. 175–185. DOI: https://doi.org/10.1016/j.jnlssr.2024.09.002. DOI: https://doi.org/10.1016/j.jnlssr.2024.09.002

Nath N.D., Behzadan A.H., Paal S.G. Deep learning for site safety: Real-time detection of personal protective equipment, Automation in Construction. – 2020. – Vol. 112. – Article 103085. DOI: https://doi.org/10.1016/j.autcon.2020.103085. DOI: https://doi.org/10.1016/j.autcon.2020.103085

SH17 dataset for PPE detection [Electronic resource] / Mughees Ahmad. – URL: https://www.kaggle.com/datasets/mugheesahmad/sh17-dataset-for-ppe-detection, free. – Accessed: 26.06.2025.