Rafsanjani, Rafi Akbar (2024) Implementation Of Image – Based Personal Protective Equipment Detection Using Yolov7. Other thesis, Institut Teknologi Sepuluh Nopember.
![]() |
Text
05111942000004-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (2MB) | Request a copy |
Abstract
Integrasi teknologi canggih dalam bidang keselamatan dan kesehatan kerja telah membuka jalan bagi sistem pemantauan yang lebih efisien dan akurat. Penelitian ini menunjukkan penerapan sistem deteksi Alat Pelindung Diri (APD) berbasis gambar dengan memanfaatkan algoritma YOLOv7 (You Only Look Once versi 7). Tujuan utama dari penelitian ini adalah untuk meningkatkan identifikasi dan pemantauan kepatuhan pengguna APD di kalangan pekerja di berbagai industri, khususnya di sektor konstruksi yang memiliki risiko tinggi. Dengan menggunakan YOLOv7, kerangka identifikasi objek tingkat lanjut, sistem yang diajukan berfungsi untuk mengidentifikasi beberapa jenis APD, seperti sarung tangan, helm keselamatan, rompi, dan sepatu bot keselamatan. Implentasi sistem ini menggunakan kamera pada laptop untuk menangkap aliran video waktu nyata, yang kemudian diproses oleh algoritma YOLOv7 untuk mendeteksi dan mengklasifikasikan objek APD dengan presisi tinggi. Hasil yang diharapkan dari penelitian ini adalah menunjukkan tingkat rata - rata presisi yang tinggi dalam mengidentifikasi APD dalam aliran video waktu nyata. Temuan dari penelitian ini memberikan kontribusi yang signifikan terhadap upaya berkelanjutan dalam memanfaatkan kecerdasan buatan untuk meningkatkan protokol keselamatan kerja. Dengan adanya sistem ini, diharapkan dapat mengurangi angka kecelakaan kerja dan meningkatkan kesadaran pekerja akan pentingnya penggunaan APD. Selain itu, sistem ini diharapkan juga dapat memberikan manfaat tambahan berupa peningkatan efisiensi dalam pemantauan kepatuhan APD, yang sebelumnya masih dilakukan secara manual. Dengan demikian, penelitian ini tidak hanya memberikan inovasi teknis, tetapi juga menawarkan solusi praktis dalam peningkatan keselamatan dan kesehatan kerja.
==============================================================================================================================
The integration of advanced technology in the field of detection safety and health has implemented the way for more efficient and accurate monitoring systems. This research shows the application of an image-based Personal Protective Equipment (PPE) system using the YOLOv7 (You Only Look Once version 7) algorithm. The main aim of this research is to improve the identification and monitoring of PPE user compliance among workers in various industries, especially in the construction sector which has a high risk. Using YOLOv7, an advanced object identification framework, the proposed system works to identify several types of PPE, such as gloves, safety helmets, vest, and safety boots. The implementation of this system uses a camera on a laptop to capture real-time video streams, which are then processed by the YOLOv7 algorithm to detect and classify PPE objects with high precision. The expected result of this research is to show a high average level of precision in identifying PPE in real time video streams. The findings from this research provide a significant contribution to ongoing efforts to leverage artificial intelligence to improve workplace safety protocols. With this system, it is hoped that it can reduce the number of work accidents and increase workers’ awareness of the importance of using PPE. Apart from that, this system is also expected to provide additional benefits in the form of increasing efficiency in monitoring PPE compliance, which was previously still done manually. Thus, this research not only provides technical innovation, but also offers practical solutions in improving occupational safety and health.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Personal Protective Equipment, YOLOv7, Occupational Health and Safety, Object Detection, Alat Pelindung Diri, Kesehatan dan Keselamatan Kerja, Deteksi Objek |
Subjects: | T Technology > T Technology (General) > T59.7 Human-machine systems. |
Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
Depositing User: | Rafi Akbar Rafsanjani |
Date Deposited: | 21 Aug 2024 08:34 |
Last Modified: | 21 Aug 2024 08:34 |
URI: | http://repository.its.ac.id/id/eprint/111878 |
Actions (login required)
![]() |
View Item |