Las evaluaciones de riesgos y seguridad en el trabajo generalmente se han realizado
con observaciones efectuadas in situ por personal especializado. Esta evaluación de
riesgos tradicional es costosa e ineficaz, especialmente en los países en desarrollo,
donde hay una necesidad de recursos humanos más capacitados. Además, el estado
del arte resalta que incluso los especialistas calificados carecen de precisión intra- e
inter-observador, pues a menudo se equivocan en juicios de riesgos principalmente
debido a sesgos subjetivos o condiciones visuales subóptimas en el lugar de trabajo,
como ser iluminación reducida, oclusiones de equipos, auto-oclusiones y ángulos de
video inadecuados.
En esta tesis presentamos diversas propuestas, basadas en el uso de visión artificial,
para facilitar la toma de decisiones, estandarizar el proceso de evaluación y reducir el
tiempo requerido para estimar el riesgo ergonómico y cuantificar el uso de equipos de
protección individual. En el primer capítulo se presenta la introducción a las
tecnologías de la Industria 4.0 como marco básico de requerimiento de soluciones a los
problemas antes mencionados. El segundo capítulo detalla las soluciones propuestas
desde la visión artificial y las redes neuronales para la estimación del riesgo
ergonómico. En el tercer capítulo se presentan dos soluciones basadas en redes
neuronales para la inspección y cuantificación del uso de equipos de protección
personal. Finalmente, se presentan las conclusiones y el trabajo futuro. Los resultados
indicaron que los métodos propuestos facilitan el proceso de evaluación de riesgos y
condiciones de trabajo en aplicaciones reales en entornos desafiantes, utilizando entre
otras fuentes videos obtenidos por medio de cámaras deportivas egocéntricas,
teléfonos inteligentes y drones. / Risk and safety assessment at worksites is generally carried out through on-site
observations performed by specialized personnel. This traditional risk assessment
procedure is costly and ineffective, especially in underdeveloped countries, where
specifically trained human resources are scarce and expensive. Also, the state-of-art
points out that even qualified specialists lack intra- and inter-observer precision, and
often err on risk judgments, mainly due to subjective biases or workplace sub-optimal
visual conditions, such as reduced illumination, equipment occlusions, self-occlusions,
and inadequate video angles.
In this thesis we present several computer-vision- based solutions aimed to facilitate
decision-making, to standardize the evaluation process, and to reduce the amount of
time required for estimating ergonomic risk and quantifying the use of personal
protective equipment. In the first chapter, the introduction to Industry 4.0 technologies
is presented as a basic framework requiring solutions to the problemsmentioned. The
second chapter details the proposed solutions based on computer vision and neural
networks for the estimation of ergonomic risk. In the third chapter, two solutions based
on neural networks for the inspection and quantification of the use of personal
protective equipment are presented. Finally, conclusions and future work are
presented. The results indicated that the methods facilitated the process of assessing
risks and working conditions in real applications in challenging environments, using
video recorded with sports egocentric cameras, smartphones, and drones.
Identifer | oai:union.ndltd.org:uns.edu.ar/oai:repositorio.bc.uns.edu.ar:123456789/5753 |
Date | 06 August 2021 |
Creators | Massiris Fernández , Manlio Miguel |
Contributors | Delrieux, Claudio Augusto, Vitale, Alejandro J. |
Publisher | Universidad Nacional del Sur. Departamento de Ingeniería Eléctrica y de Computadoras |
Source Sets | Universidad Nacional del Sur |
Language | Spanish |
Detected Language | Spanish |
Type | Electronic Thesis or Dissertation, Text |
Format | application/pdf |
Rights | 2 |
Page generated in 0.0019 seconds