Desarrollo de un algoritmo computacional de detección de equipos de protección eléctrica en personas,
orientado a sistemas de vigilancia basados en cámaras IP
Item Type info:eu-repo/semantics/bachelorThesis
Authors Alarcon Carpio, Juan Carlos; Poma Astete, Raul Felipe Publisher Universidad Peruana de Ciencias Aplicadas (UPC) Rights info:eu-repo/semantics/openAccess; Attribution-
NonCommercial-ShareAlike 4.0 International Download date 02/06/2022 21:46:01
Item License http://creativecommons.org/licenses/by-nc-sa/4.0/
Link to Item http://hdl.handle.net/10757/657930
UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS
FACULTAD DE INGENIERÍA
PROGRAMA ACADÉMICO DE INGENIERÍA DE TELECOMUNICACIONES Y REDES
Desarrollo de un algoritmo computacional de detección de equipos de protección eléctrica en personas, orientado a sistemas de vigilancia basados
en cámaras IP
TESIS
Para optar el título profesional de Ingeniero de Telecomunicaciones y Redes
AUTOR(ES)
Alarcón Carpio, Juan Carlos (0000-0001-6138-9628) Poma Astete, Raul Felipe (0000-0002-4045-1717)
ASESOR
Kemper Vásquez, Guillermo (0000-0002-7800-7769) Lima, 04 de junio de 2021
I DEDICATORIA
Dedicado a mi madre Silvia que desde el cielo sigue guiándome, a mi esposa Akemi y a mi hijo Rodrigo quienes fueron mi motivación para la realización de este proyecto de tesis.
Juan Carlos Alarcón
Dedicado a mi familia, mis padres Rolando y Nancy, mis hermanos Rolando y Felipe, a mi tío Mario y a Brigitte, quienes me motivaron y apoyaron durante la realización de este proyecto de tesis.
Raul Poma Astete
II
AGRADECIMIENTOS
A nuestro asesor el Dr. Guillermo Kemper quien nos brindó soporte y mentoría en todo momento, demostrando siempre buena disposición para compartir su punto de vista, conocimiento y experiencia.
A las personas que nos apoyaron durante la elaboración del proyecto, quienes, a pesar del estado de emergencia, nos apoyaron durante la elaboración del presente proyecto.
A los ingenieros, que nos compartieron sus experiencias e ideas para mejorar el contenido de la presente tesis.
En general a todos los que mostraron un interés por el proyecto y nos motivaron a seguir adelante en la elaboración de este.
III RESUMEN
El presente proyecto, propone la implementación de un algoritmo computacional de detección de equipos de protección personal (EPP) orientado a sistemas de vigilancia basados en Cámaras IP. El algoritmo propuesto realizará el monitoreo autónomo de los EPP de cabeza y manos, disminuyendo los riesgos laborales y cuidando la salud de los trabajadores que ejecuten las actividades. El sistema propuesto utiliza algoritmos de visión artificial para procesar las imágenes capturadas por las cámaras de video vigilancia de la empresa. En una primera etapa, se utiliza la red neuronal Open Pose para extraer las imágenes de brazos y cabeza de los trabajadores. Después, las imágenes son procesadas por redes neuronales convolucionales entrenadas para clasificar la existencia de los EPP mencionados. El sistema será aplicado a la realidad de la empresa Distribución Eléctrica S.A, donde se implementará un software que permita a los usuarios finales visualizar las alertas generadas por el algoritmo, así como recibir las alertas mediante su correo electrónico. Los resultados obtenidos por el sistema de clasificación serán evaluados utilizando métricas como la precisión, sensibilidad y especificidad.
Palabras clave: Procesamiento digital de imágenes; redes neuronales; Open Pose; equipos de protección personal; automatización; visión artificial; sector eléctrico
IV Development of a computational algorithm for the detection of electrical protection
equipment in people, oriented to surveillance systems based on IP cameras ABSTRACT
This project proposes the implementation of a computational algorithm for the detection of personal protective equipment (PPE) oriented to surveillance systems based on IP cameras.
The proposed algorithm carried out the autonomous monitoring of head and hand PPE, reducing occupational risks and taking care of the health of the workers who carry out the activities. The proposed system uses artificial vision algorithms to process the images captured by the company's video surveillance cameras. In a first stage, the Open Pose neural network is used to extract the images of the workers' arms and heads. The images are then processed by convolutional neural networks trained to classify the existence of the mentioned EPPs. The system will be applied to the reality of the company Distribución Eléctrica S.A, where a software will be implemented that allows end users to view the alerts generated by the algorithm, as well as receive the alerts through their email. The results obtained by the classification system will be evaluated using metrics such as precision, sensitivity, and specificity.
Keywords: image digital processing; neural networks; Open Pose; personal protection equipment; automatization; artificial vision; Electricity
V TABLA DE CONTENIDOS
CAPÍTULO 1: ASPECTOS INTRODUCTORIOS ... 1
1.1 PRESENTACIÓN Y DEFINICIÓN DEL PROBLEMA ... 3
1.1.1 Situación Problemática ... 3
1.1.2 Definición del Problema ... 4
1.1.3 Problema General ... 4
1.1.4 Problema Ingenieril. ... 4
1.2 ESTADO DEL ARTE ... 5
1.2.1 Productos y soluciones comerciales existentes ... 5
1.2.2 Propiedad intelectual registrada ... 5
1.2.3 Aportes de Innovación ... 8
1.2.4 Publicaciones Científicas / Académicas / Ingenieriles ... 8
1.2.5 Aportes de conocimiento nuevo, procedimientos, métodos y/o aplicaciones ... 11
1.3 JUSTIFICACIÓN ... 12
1.3.1 Justificación respecto a beneficios para el usuario, cliente o patrocinador del proyecto ... 12
1.3.2 Justificación Ingenieril... 12
1.3.3 Justificación Económica ... 13
1.3.4 Justificación Social ... 14
1.4 REQUERIMIENTOS TÉCNICOS, INGENIERILES Y OPERATIVOS ... 14
1.5 OBJETIVO GENERAL ... 15
1.6 OBJETIVO ESPECÍFICOS DE DESARROLLO DE LA SOLUCIÓN PROPUESTA ... 15
1.7 BREVE DESCRIPCIÓN DE LA SOLUCIÓN PROPUESTA... 16
1.7.1 Diagrama de bloques ... 16
1.7.2 Funcionamiento ... 16
1.7.3 Ilustración del Producto Final Estimado (Terminado) ... 17
1.7.4 Alcances y limitaciones de la solución propuesta ... 18
1.7.5 Aplicaciones directas e indirectas de la solución propuesta ... 19
1.8 VIABILIDAD ... 20
1.8.1 Viabilidad técnica ... 20
1.8.2 Viabilidad Social ... 22
1.8.3 Viabilidad Económica... 23
1.8.4 Viabilidad Operativa ... 24
CAPÍTULO 2: MARCO TEÓRICO ... 25
2.1. INTRODUCCIÓN ... 25
2.2. EQUIPOS DE PROTECCIÓN PERSONAL... 25
VI
2.2.1. Protección de la Cabeza ... 26
2.2.2. Protección de las manos ... 27
2.2.3. Sistema de Gestión de Seguridad y Salud Ocupacional ... 28
2.3. IMAGEN DIGITAL ... 31
2.4. REDES NEURONALES CONVOLUCIONALES ... 32
2.4.1. Capas de Entradas ... 35
2.4.2. Capas Convolucionales ... 37
2.4.3. Capas de Pooling ... 39
2.4.4. Funciones de activación ... 40
2.5. DETECCIÓN DE PUNTOS ANTROPOMÉTRICOS ... 43
2.5.1. OpenPose ... 44
2.6. COMENTARIOS FINALES ... 50
CAPÍTULO 3: DESCRIPCIÓN DEL HARDWARE PROPUESTO ... 51
3.1. MATERIALES Y COMPONENTES. ... 51
3.1.1. Etapa de Adquisición ... 51
3.1.2. Procesamiento y Visualización. ... 57
3.2. DISEÑO E IMPLEMENTACIÓN ... 58
3.2.1. Diagrama de bloques ... 58
3.2.2. Descripción de la solución implementada ... 58
3.2.3. Lecciones aprendidas ... 65
3.3. COMENTARIOS FINALES... 65
CAPÍTULO 4: DESCRIPCIÓN DEL ALGORITMO PROPUESTO (SOFTWARE R-EYES) ... 66
4.1. INTRODUCCIÓN ... 66
4.2. DISEÑO E IMPLEMENTACIÓN ... 66
4.3. ADQUISICIÓN DE LA IMAGEN ... 68
4.4. RECORTE DE ZONAS DE INTERÉS ... 69
4.5. RECONOCIMIENTO POR REDES NEURONALES CONVOLUCIONALES ... 77
4.5.1. Capa de entrada ... 77
4.5.2. Configuración de las Capas Ocultas ... 79
4.6. INTERFAZ DE USUARIO (SOFTWARE R-EYES) ... 90
4.7. COMENTARIOS FINALES ... 92
CAPÍTULO 5: PRUEBAS DE VALIDACIÓN Y RESULTADOS ... 94
5.1. INTRODUCCIÓN ... 94
5.2. ESCENARIOS DE VALIDACIÓN... 94
5.3. MÉTRICAS DE VALIDACIÓN ... 97
VII
5.4. VALIDACIÓN DEL SOFTWARE R-EYES ... 100
5.4.1. Validación de OpenPose ... 100
5.4.2. Evaluación del clasificador de imágenes ... 102
5.4.3. Evaluación de generación de eventos ... 108
5.5. INFORME FINAL ECONÓMICO ... 113
CONCLUSIONES Y COMENTARIOS FINALES ... 115
RECOMENDACIONES PARA TRABAJOS FUTUROS ... 118
RERENCIAS BIBLIOGRÁFICAS ... 119
ANEXOS... 123
VIII ÍNDICE DE TABLAS
Tabla 1 Productos Existentes ... 6
Tabla 2 Patentes Registradas ... 7
Tabla 3 Lista de Publicaciones ... 9
Tabla 4 Inversión por Adquirir Equipos del Mercado Actual ... 13
Tabla 5 Tabla Económica Total. ... 23
Tabla 6 Tabla Económica Parcial ... 24
Tabla 7 Conjunto de Datos De OpenPose ... 49
Tabla 8 Conjunto de Datos OpenPose ... 49
Tabla 9 Tabla Comparativa de las Cámaras Utilizadas para el Presente Proyecto ... 53
Tabla 10 Tabla Comparativa de los Equipos de Comunicación Utilizados ... 56
Tabla 11 Matriz para la Comparación de Resultados para cada Objeto de Detección ... 98
Tabla 12 Resultados de Validación de OpenPose en Entorno de Emulación... 101
Tabla 13 Resultados de Validación de OpenPose en Entorno de Producción ... 101
Tabla 14 Ejemplo de Comparación para la Validación de Cascos ... 103
Tabla 15 Ejemplo de Comparación para la Validación de Guantes ... 104
Tabla 16 Presentación de Resultados de Validación de la Red Neuronal ... 107
Tabla 17 Validación por cada Muestra de Cascos ... 110
Tabla 18 Validación por cada Muestra de Guantes ... 111
Tabla 19 Costo Final del Proyecto... 113
IX ÍNDICE DE FIGURAS
Figura 1 Diagrama de Bloques ... 16
Figura 2 Diagrama Pictórico de la Solución Propuesta ... 17
Figura 3 Ilustración de la Interfaz de Usuario ... 18
Figura 4 Partes del Casco de Seguridad Dieléctrico ... 27
Figura 5 Diferentes Colores de Guantes de Seguridad ... 28
Figura 6 Instalación Correcta del Equipo para la Prueba de Guantes Dieléctrico ... 30
Figura 7 Cascos Autorizados por la Empresa de Distribución Eléctrica S.A. ... 30
Figura 8 Guantes Autorizados por la Empresa de Distribución Eléctrica S.A. ... 31
Figura 9 Representación de una Imagen RGB ... 32
Figura 10 Esquema de una Neurona Artificial y/o Perceptrón... 33
Figura 11 Estructura de una Red Neuronal Convolucional Multicapa Sencilla ... 33
Figura 12 Estructura Red Convolucional Mostrando Capa Oculta ... 34
Figura 13 Interpolación Bilineal ... 36
Figura 14 Imagen Resultante Zoom de 10x con Interpolación Bilineal ... 37
Figura 15 Aplicación de Filtro Convolucional en una CNNs ... 38
Figura 16 Ejemplo de Matriz Resultante luego de una Convolución con Filtro Max Pooling ... 40
Figura 17 Gráfica de la Función ReLU ... 41
Figura 18 Gráfica de la Función Softmax ... 42
Figura 19 Grafica de ejemplo de la Función Softmax ... 42
Figura 20 Imagen del Resultado de la Estimación realizada por Open Pose ... 44
Figura 21 Diagrama de Flujo del Algoritmo OpenPose ... 45
Figura 22 Etapas del Método de Open Pose para Estimar la Ubicación de los Puntos Antropométricos ... 46
Figura 23 Arquitectura de las Redes Neuronales Convolucionales (CNN) Iterativas de OpenPose ... 47
Figura 24 Mejora de Estimación de los PAFs a Través de Cada Etapa del Antebrazo Derecho ... 48
Figura 25 Cámara Hanwha QND-6010R ... 52
Figura 26 Cámara Hanwha QND-7080R ... 52
Figura 27 Switch Aruba 2530 24G PoE+ Switch ... 56
Figura 28 Switch TP-LINK TL-SG1008MP V2 ... 56
X
Figura 29 Diagrama de Bloques de la Solución Propuesta. ... 58
Figura 30 Ambiente de Producción – Campo de Vista de la Cámara QND-6010R ... 60
Figura 31 Ambiente de Emulación – Campo de Vista de la Cámara QND-7080R ... 60
Figura 32 Ambiente de Producción – Instalación de la Cámara ... 61
Figura 33 Ambiente de Emulación – Instalación de la Cámara ... 62
Figura 34 Ambiente de Producción– Topología de Red ... 63
Figura 35 Ambiente de Emulación– Topología de Red ... 63
Figura 36 Ambiente de Emulación – Conexión del Servidor ... 64
Figura 37 Diagrama de Bloques Algoritmo Propuesto ... 67
Figura 38 Ejemplo de una Imagen Adquirida en el Entorno de Emulación ... 68
Figura 39 Ejemplo de una Imagen Adquirida en el Entorno de Producción ... 69
Figura 40 Puntos Antropométricos según OpenPose ... 70
Figura 41 Angulo entre el Codo y la Mano Derecha... 73
Figura 42 Cálculo del Tamaño de Corte de la Mano Derecha ... 75
Figura 43 Cálculo del Tamaño de Corte de la Mano Izquierda ... 75
Figura 44 Resumen de Recorte de Imágenes ... 77
Figura 45 Gráfica de la Ecuación de la Recta ... 78
Figura 46 Diagrama Preprocesamiento de la Imagen de Entrada ... 79
Figura 47 Configuración de la Red Neuronal para Entrenamiento ... 81
Figura 48 Muestra de Imágenes de Casco y No Casco para el Entramiento. ... 83
Figura 49 Diagrama de Entrenamiento de la Red Neuronal de Clasificación ... 84
Figura 50 Matriz de Confusión de Entrenamiento de la Red Neuronal de Casco y Sin Casco ... 85
Figura 51 Configuración de la Red Neuronal para Entrenamiento ... 87
Figura 52 Muestra de Imágenes de Guante y no Guante para el Entramiento. ... 88
Figura 53 Matriz de Confusión Entrenamiento de la Red Neuronal de Guante y no Guante ... 89
Figura 54 Interfaz de Usuario ... 90
Figura 55 Ambiente de Producción ... 95
Figura 56 Ambiente de Emulación ... 96
Figura 57 Escenarios de Validación ... 97
Figura 58 Flujo de Validación del Software ... 99
Figura 59 Resultados de Validación para el Ambiente de Emulación. ... 105
XI Figura 60 Resultados de la Validación para el Ambiente de Producción ... 105 Figura 61 Lógica del Software para la Clasificación de las Muestras ... 109 Figura 62 Resultado de la Validación de la Lógica del Software (Ambiente: Emulación) ... 112 Figura 63 Resultado de la Validación de la Lógica del Software (Ambiente: Producción) ... 112 Figura 64 Flujo de Caja de Rentabilidad ... 114
1 CAPÍTULO 1: ASPECTOS INTRODUCTORIOS
La seguridad ocupacional se define como todas las acciones y actividades que permitan a los trabajadores laborar en condiciones donde los riegos y peligros se encuentran controlados, su objetivo es por lo tanto proteger la salud e integridad de los trabajadores durante la ejecución de sus labores. La seguridad ocupacional juega un rol muy importante en el bienestar de las personas por lo que, para poder velar por su cumplimiento, los países establecen un marco legal que obliga a las empresas, de todos los sectores, la implementación de medidas y procedimientos para la implementación y aseguramiento de la seguridad y salud ocupacional de sus trabajadores. En el Perú, existe el reglamento de Seguridad y Salud en el Trabajo (D.S. 005-2012-TR) que obliga a todas las empresas, tanto privadas como públicas, contar con herramientas para la prevención y control de riesgos laborales. Para las empresas del sector eléctrico, como es el caso de la empresa de Distribución Eléctrica S.A, se exige además el cumplimiento del “Reglamento De Seguridad Y Salud En El Trabajo Con Electricidad - RESETATE (R.M.111-2013 MEM/DM)”, que especifica las medidas y procedimientos para controlar los riesgos identificados para este sector en específico. En ambos reglamentos se resalta la importancia del uso de equipos de protección personal (EPP) como la última barrera de protección de las personas ante algún incidente o evento que ponga en riesgo su vida.
Sin embargo, a pesar de la existencia de reglamentos y normas tanto estatales como internas de las empresas se siguen presentando accidentes laborales. Este problema es evidenciado por el Boletín Mensual de Estadísticas de Accidentes de Trabajo, Ministerio del Trabajo y Promoción del Empleo (2020), donde se indica que la mayor cantidad de accidentes laborales se debe a golpes por objetos, caídas de personas a nivel, esfuerzos físicos o falsos movimientos, caída de objetos y el aprisionamiento de los miembros superiores o inferiores del cuerpo humano (piernas o brazos). El boletín indica que una de las principales causas del aumento evidenciado es la ausencia del uso de EPP durante las actividades laborales, y concluye que se debe a que los trabajadores no tienen una cultura de prevención y cuidado personal. El boletín recomienda a las empresas mejorar sus procesos de control y aseguramiento de las políticas de seguridad tanto internas como las impuestas por el gobierno, mediante la capacitación continua de sus trabajadores en temas de seguridad y salud ocupacional, la supervisión personalizada durante la ejecución de las labores de alto riesgo y la disponibilidad de EPP en buen estado para sus trabajadores.
2 La empresa Distribución Eléctrica S.A, principal distribuidor de electricidad en el sector suroeste de Lima, está comprometido con mejorar continuamente sus medidas para preservar la seguridad y salud en el trabajo, por lo que cuenta con una Política de Seguridad, Salud en el Trabajo y Medio Ambiente enfocada en lograr este objetivo. Uno de los compromisos más importante de la política mencionada es:
“Identificar los peligros, evaluar, gestionar y controlar los riesgos ocupacionales asociados a nuestras actividades, con el propósito de garantizar un ambiente de trabajo seguro y saludable para los trabajadores y contratistas, así como un entorno seguro para nuestros clientes (…)”
El compromiso de la empresa hacia sus trabajadores es asegurar su salud por encima de las labores que se realicen, y es por este motivo que cuenta con procedimientos de trabajo que establecen las medidas de seguridad para cada actividad donde esté involucrada la empresa.
Los procedimientos mencionados son supervisados, enmendados y mejorados por el Departamento de Seguridad y Salud en el Trabajo de la empresa. Este departamento cuenta con supervisores de seguridad que realizan visitas e inspecciones no programadas en las áreas de trabajo para poder verificar el cumplimiento de los procedimientos. Además, se encargan de mantener un registro de lesiones y enfermedades ocupacionales durante el año en ejercicio, basados en el estándar internacional OSHA-300, con el fin de obtener estadísticas que permitan mejorar continuamente el desempeño del departamento. De acuerdo con el último reporte del año 2020 se detalla que las principales causas de accidente fueron por golpes, caídas a nivel y mordeduras de perros, identificándose que en la mayoría de los casos el personal no utilizaba el EPP adecuado ya que lo consideraba innecesario, incomodo u omitió el uso por olvido. Además, se detalla que la mayor cantidad de accidentes se presentó en los lugares donde no existía supervisión constante por lo que recomiendan que se aumente la cantidad de visitas e inspecciones en campo por parte de los supervisores de seguridad. La empresa establece año a año un límite de accidentes, con motivo de asegurar la mejora continua de la seguridad ocupacional y con la visión de brindar un ambiente seguro para los trabajadores de la empresa, que para el año 2020 fue de 1.17 para las estadísticas de accidentes registrables en 200,000 horas de labores. Los resultados con respecto a este límite fueron de 1.32, valor que supera el límite propuesto. Es por este motivo que se hace necesario mejorar la supervisión de seguridad que realiza actualmente la empresa durante sus actividades, ya que evidencia que es necesaria la presencia de un supervisor en
3 campo para evitar que la negligencia, por parte de los trabajadores, haga que no utilicen los EPP durante la ejecución de sus labores.
La presente tesis, plantea como mejora al sistema de monitoreo actual de la empresa Distribución Eléctrica S.A el desarrollo de un algoritmo computacional que detecte autónomamente el uso de equipos de protección personal a través del sistema de video vigilancia de cámara IP. El sistema aprovechará las cámaras de video para poder obtener las imágenes de los ambientes donde se realicen las actividades y alertará a los supervisores de Salud y Seguridad Ocupacional en caso detecte que alguno de los trabajadores no esté utilizando su casco y/o guantes de seguridad para activar de manera inmediata el procedimiento de control.
1.1 Presentación y Definición del Problema
En el presente acápite se presentarán los aspectos que llevaron a la solución propuesta.
1.1.1 Situación Problemática
La empresa Distribución Eléctrica S.A, empresa privada encargada de la distribución eléctrica en la zona sureste de Lima, tiene la responsabilidad de asegurar el cumplimiento de su política de seguridad y salud por parte de sus trabajadores, contratistas y proveedores externos. Actualmente, la supervisión se realiza mediante visitas e inspecciones en campo, supervisión de tiempo completo en el lugar y mediante cámaras de seguridad IP que permiten visualizar remotamente las zonas de trabajo en tiempo real. Sin embargo, se presentan los siguientes inconvenientes con el procedimiento actual:
- Ineficiente supervisión en campo: Los supervisores no pueden estar presentes en las diferentes zonas donde se realizan las actividades, debido a su simultaneidad, por lo que no pueden monitorear completamente todas las actividades que se realicen.
- Impreciso auto reporte por parte de los trabajadores: Los trabajadores firman un acta de inspección de equipos de protección personal al inicio de las labores, sin embargo, durante las mismas suelen dejar de utilizar algunos equipos de protección personal por comodidad o por criterio erróneo del trabajador.
- Limitado sistema de video vigilancia: El sistema de cámaras instalado en la empresa es utilizado únicamente para realizar la grabación de las imágenes para futuros informes de las áreas y para la vigilancia de las zonas en caso de alguna intrusión o pérdida de objetos. Las cámaras instaladas actualmente tienen capacidades para
4 alertar ante eventos programados (denominadas analíticas) como detección de movimiento o sabotaje, sin embargo, no pueden detectar si las personas están utilizando adecuadamente los equipos de protección personal.
La consecuencia de no mejorar el monitoreo actual puede conllevar a:
- Aumento del riesgo de accidentes laborales: No utilizar adecuadamente los equipos de protección personal aumenta el riesgo de sufrir un accidente laboral, por lo que la salud e integridad de las personas puede ser vulnerada.
- Sobrecostos en los proyectos y actividades realizadas por la empresa: Movilizar diariamente al personal a campo exclusivamente para supervisar el cumplimiento de las políticas de seguridad es alto, considerando que las labores tienen una duración que puede variar entre horas (03 como mínimo) a meses (09 durante construcciones), hace que los gastos relacionados al proyecto sean altos. El índice de accidentes indica que en el año 2020 hubo 135 días laborales perdidos por accidentes, lo que representa una pérdida de 24,400 soles en costos directos y se calcula que el triple en costos indirectos, de acuerdo con el área de Seguridad Ocupacional de la empresa.
Realizar el monitoreo presencial del uso de equipos de protección personal no es completamente eficiente por lo descrito anteriormente, por lo que es aconsejable mejorar el procedimiento de supervisión actual de la empresa Distribución Eléctrica S.A. La mejora propuesta, permitirá asegurar la salud e integridad de las personas involucradas en el desarrollo de las actividades de la empresa. La seguridad es un aliado estratégico para las actividades de la empresa de Distribución Eléctrica S.A. ya que permite disminuir la cantidad de accidentes y mantener su operación ininterrumpida en toda su área de concesión.
1.1.2 Definición del Problema
El problema se puede definir de acuerdo con dos aspectos: General e Ingenieril.
1.1.3 Problema General
Limitado sistema de detección de casco y guantes, como equipos de protección personal, durante las obras y actividades de la empresa Distribución Eléctrica S.A.
1.1.4 Problema Ingenieril.
¿Qué consideraciones tecnológicas e ingenieriles de desarrollo de software de procesamiento digital de imágenes se deben tener en cuenta, a fin de desarrollar un sistema basado en visión artificial que permita la adquisición de imágenes y su procesamiento para la detección de
5 equipos de protección personal (específicamente cascos de seguridad y guantes de protección) en cada trabajador de la empresa (detección previa de las personas) con un nivel de precisión mayor a 90%, considerando que se detectó a la persona con un nivel de certeza mayor a 85%?
1.2 Estado del Arte
A continuación, se presentan algunos trabajos previos y soluciones actuales publicadas que se ofrecen en el mercado, las cuales pueden representar una alternativa de solución a la situación problemática.
1.2.1 Productos y soluciones comerciales existentes
Actualmente, la existencia de sistemas de video vigilancia basados en tecnología IP permite que se desarrollen soluciones orientadas al procesamiento de imágenes, ya que adicionan a sus potentes sensores de imagen la capacidad de transmisión de video en tiempo real mediante el uso de interfaces y protocolos de red estandarizados de uso general. Las soluciones actuales están orientadas a añadir funcionalidades de supervisión autónoma a las cámaras como, por ejemplo, la detección de la presencia de casco y detección de movimiento en zonas restringidas. En el mercado actual existen algunos productos destacados, los cuales se describen en la Tabla 1.
1.2.2 Propiedad intelectual registrada
Existen también productos y patentes registrados como propiedad intelectual que buscan la solución completa o parcial de la problemática planteada. Dichas patentes se listan a continuación en la Tabla 2
6 Tabla 1
Productos Existentes
No.
Nombre del Producto,
Modelo y Foto
Fabricante y
Costo Breve descripción Fortalezas
Debilidades que pueden ser subsanadas con la
solución propuesta
1 EoCORTEX
VMS
Fabricante:
EOCORTEX.
Subscripción Mensual: $60 por
cámara
Mediante módulos de inteligencia artificial, se integra a un listado de
cámaras con tecnología IP y permite detectar al personal que no
utiliza casco de seguridad.
Fácil despliegue, menos de 01 hora. Permite enviar alertas mediante correo, teléfono o visual mediante un monitor.
Posee varias funciones extras, que muchas veces
no son utilizadas. No detecta el uso de otros
equipos de protección personal, como los guantes.
2
SecurOS Helmet Detector
Fabricante: ISS.
Subscripción Mensual: $ 250
por cámara.
Utiliza inteligencia artificial para detectar mediante su propio sistema de cámaras desplegado la detección de cascos de seguridad.
Determina un ROI, antes de empezar a detectar la presencia del EPP, lo que permite que sea
más ágil y preciso.
Solo es funcional con su propio sistema de cámaras y con la ubicación que ellos
plantean mediante un estudio previo.
3 OpenText AI
Fabricante:
OpenText.
Subscripción Mensual: US$ 10
por cámara
Utiliza inteligencia artificial para desarrollar nuevas aplicaciones para las imágenes captadas por cámaras de seguridad. Entre ellas
se encuentra la detección de pistolas, detección de robo y
detección de atropellos.
Ofrece un servicio en la nube, donde el procesamiento de
imágenes se realiza en máquinas virtuales potenciadas
para poder realizar el procesamiento.
Solamente se puede integrar con una marca de
cámaras IP en específico para la integración con su
sistema de inteligencia artificial.
Nota: Elaboración propia.
7 Tabla 2
Patentes Registradas
No. Nombre de la Invención (español)
Institución de registro y No. de Patente
Muy Breve Descripción (español)
Debilidades en innovación que pueden ser subsanadas con la
solución propuesta
1
Detección de objetos mediante el uso de una red
neuronal recurrente y un mapa de elementos
concatenados.
Espacenet, Aplicante:
NOKIA TECHNOLOGIES OY.
US2017351936A1 (A)
Se describe una arquitectura para la detección de personas
mediante redes neuronales convolucionales
Describe el uso de una red neuronal intermedia para decidir
si se continúa o no con el procedimiento, sin embargo, esta
capa intermedia no genera regiones de interés o datos modificados. Es decir, siempre se trabaja con la misma capa de
entrada.
Nota: Elaboración propia.
8 1.2.3 Aportes de Innovación
Respecto a la investigación realizada en los puntos de la Tabla 2 los aportes en innovación que tiene la solución propuesta se basan en lo siguiente:
1. La debilidad de la capa intermedia descrita en el ítem 1 de la Tabla 2, es subsanado por la solución propuesta de tal manera que permite que la capa intermedia de la red neuronal convolucional genere áreas de interés sobre las imágenes de tal manera que la última red neuronal clasifique los objetos sobre estas regiones.
1.2.4 Publicaciones Científicas / Académicas / Ingenieriles
Se han encontrados publicaciones y estudios científicos relacionados a la detección de equipos de protección personal utilizando técnicas de visión artificial, se describe cada uno de ellos en la Tabla 3.
9 Tabla 3
Lista de Publicaciones
No. Título de la Publicación y Autores
Datos de la Publicación:
Tipo de Publicación: (Tesis de grado, artículo científico en revista, congreso,
simposio, etc.):
Nombre de la revista, congreso, simposio, etc.
Volumen, páginas, fecha de publicación, etc.
Fortalezas de la publicación
Debilidades de la publicación que van a ser subsanadas con la solución
propuesta
1
Sistema automatizado para monitorear el uso de equipos de protección personal en la industria de la construcción.
Massiris Fernández, Fernández Muñoz
Artículo Científico.
Revista Iberoamericana de Automática e Informática Industrial (España, 2020)
Fecha de publicación: 2020
Sistema de visión por computador que detecta el
uso adecuado de EPP (Equipo de Protección
personal)
El alcance aplica para la detección de cascos y ropa de seguridad (chalecos). Su funcionamiento fue probado
mediante videos grabados y no en tiempo real.
2
A convolutional neural network-based approach towards real-time hard hat detection.
Zaipeng Xie, Hanxiang Liu, Zewen Li, Yuechao He
Artículo científico
IEEE International Conference on Progress in Informatics and Computing
Fecha de publicación: 2018
Diseña una red neuronal convolucional que permite
identificar trabajadores y detectar si están utilizando
un casco de seguridad.
El algoritmo planteado no se adapta a variables como la orientación de las personas, color, diversas posiciones de
los trabajadores, oclusiones y/o movimientos.
10 3
Detecting non-hardhat-use by a deep learning method from far-field
surveillance videos.
Qi Fangab, Heng Lib, Xiaochun Luob, Lieyun Dinga, Hanbin Luoa, Timothy M. Rosec, Wangpeng An
Artículo científico
Automation in Construction
Fecha de publicación: 2018
Detecta personal sin casco en ambientes donde existen varios factores que
van variando como la iluminación, posición de las personas, oclusiones,
horas del día, etc.
El sistema solo detecta si se está utilizando el casco, sin embargo, no identifica al trabajador por lo que suele
duplicar los eventos encontrados.
4
Deep learning-based helmet wear analysis of a motorcycle rider for intelligent surveillance system.
B. Yogameena1, K. Menaka1 , S. Saravana Perumaal
Articulo Científico
IET Journals Intelligent Transport Systems 2019
Fecha de publicación: 2019
Propone un entorno de trabajo donde se aplican
una serie de redes neuronales basadas en Deep learning para poder
detectar a personas que usen motocicletas sin casco de seguridad, una
vez detectada logra registrar la placa del
móvil.
Detecta la presencia o ausencia del casco, sin embargo, no específica si el casco estaba en la cabeza de la persona, como mejora nuestro sistema asegura que
el casco y los guantes se encuentren en dichas partes
del cuerpo de la persona.
Nota: Elaboración propia.
11 1.2.5 Aportes de conocimiento nuevo, procedimientos, métodos y/o aplicaciones
A continuación, se describen aportes nuevos que pueden subsanar las debilidades identificadas en la Tabla 3.
1. El primer ítem desarrolla un algoritmo que permite detectar el uso de equipos de protección personal, enfocados en el casco y el chaleco de seguridad. Además, las pruebas fueron realizadas con videos grabados y no con imágenes en tiempo real.
Para subsanar estas debilidades, la solución propone un software que permite identificar, en tiempo real, el uso de casco y guantes mediante el uso de cámaras de video de video vigilancia ya instaladas en la empresa.
2. El segundo ítem, el sistema planteado logra identificar a la persona y si está utilizando el casco de seguridad, sin embargo, tiene como limitante el hecho de no poder adaptarse a ambientes no controlados, donde existen variables como la orientación, color, posición de los trabajadores, oclusiones y/o movimiento del personal. Como mejora, se plantea que el sistema se adapte a las diferentes variables que se puedan presentar, siendo robusto ante cualquier cambio.
3. El tercer ítem, generar una solución basada en inteligencia artificial con un set de datos bastante amplio y separado por cada variable que existe en campo, como el clima, la iluminación, la postura individual el rango visual, oclusiones por lo que se logra adaptar a cada una de estas variables mientras realiza la clasificación. Sin embargo, el sistema solo detecta el objeto, y no se encarga de identificar al personal que está siendo monitoreado.
Como mejora, el sistema propone la detección del casco y guantes, después de haber identificado la ubicación de la cabeza y manos de las personas en la imagen.
4. El cuarto ítem es una solución compleja que detecta si las personas que se movilizan en moto en la India utilizan el casco o no. En caso no lo utilicen, se registra la placa de la moto de la persona. El sistema identifica la presencia del casco, sin embargo, no valida que este se encuentre en la cabeza de la persona, el sistema planteado en el presente trabajo plantea la validación de que el casco y guantes estén ubicados en la cabeza y manos, respectivamente, del trabajador.
12 1.3 Justificación
El presente proyecto tiene por finalidad desarrollar un software que realice la adquisición de imágenes de las cámaras de video vigilancia desplegadas por la empresa y a partir de estas, detectar el uso del equipo de protección personal de las personas, específicamente el casco y los guantes.
Además, alertar en caso se detecte la ausencia del equipo de protección personal a los supervisores de seguridad de la empresa, mediante una alerta visual y el envío de un correo electrónico.
1.3.1 Justificación respecto a beneficios para el usuario, cliente o patrocinador del proyecto Para esta tesis se presenta como beneficiario a la empresa Distribución Eléctrica S.A. El beneficiario poseerá un sistema de detección basado en visión artificial que permitirá realizar lo siguiente:
- Monitoreo autónomo del uso del casco de seguridad y guantes de protección del personal de la empresa, durante su labor diaria mediante el uso de cámaras de video vigilancia IP.
- Emisión de alertas automáticas en casos de detección de ausencia de uso de EPP de parte de los trabajadores. La alerta será enviada mediante correo electrónico al supervisor de seguridad designado por la empresa, además se contará con una interfaz visual para que se observen las alertas generadas.
- Reducir el riesgo de accidentes laborales durante las actividades diarias, y así poder mejorar los índices de días perdidos por accidentes laborales y asegurar la continuidad de la operación de la empresa.
1.3.2 Justificación Ingenieril
El proyecto implica la solución de los siguientes problemas de ingeniería:
- Adquisición de imágenes desde el sistema de video vigilancia: Se debe diseñar el sistema que permitirá adquirir las imágenes desde las cámaras de video desplegadas en campo. El sistema debe especificar los parámetros de visualización de las cámaras como resolución, codificador de video, cuadros por segundo y protocolo de comunicación.
- Implementación de un algoritmo para el reconocimiento del personal en campo: Se debe desarrollar el algoritmo que permita identificar al personal y generar áreas de interés alrededor de los puntos antropométricos a monitorear (cabeza y manos). El algoritmo debe ser capaz de procesar la imagen de tal manera que se extraiga las imágenes de los puntos antropométricos detectados.
13 - Reconocimiento de presencia de casco en la cabeza y guantes en las manos del personal en campo: El proyecto implica la creación, compilación, entrenamiento y pruebas de una red neuronal orientada a clasificar los recortes de imágenes, generadas por el algoritmo de reconocimiento de personal, en clases que permitan detectar la presencia o ausencia de los equipos de protección personal como casco y guantes de seguridad por cada trabajador. La precisión de la red debe ser mayor a 90%.
1.3.3 Justificación Económica
La empresa Distribución Eléctrica S.A tienen interconectada todas sus instalaciones mediante fibra óptica, por lo que la comunicación entre las cámaras y los centros de Datos permite desplegar un servidor centralizado donde se instalará el sistema de monitoreo planteado. Además, la empresa ya cuenta con sistemas de video vigilancia IP en sus sucursales y sedes instalados, por lo que la inversión en equipos sería únicamente por la adquisición del servidor de procesamiento como se indica en la Tabla 4.
Tabla 4
Inversión por Adquirir Equipos del Mercado Actual
Fabricante Modelo Precio Cantidad Total
HPE Pavilion 590 (Intel Core i7) $2,000.00 1 $2,000.00
NVIDIA GeFORCE 1050Ti $500.00 1 $500.00
Nota: Elaboración propia.
Como se puede observar en la Tabla 4, los costos del equipamiento en este escenario son de US$
2,500.00 dólares americanos. Actualmente, según el área de Proyectos la empresa, se reporta un gasto diario de US$ 200 dólares americanos, por concepto de supervisión en campo, y considerando que el tiempo de duración promedio de una obra es de 06 meses, eso sería en total de US$ 24,000.00 dólares americanos. En conclusión, el desarrollo del sistema planteado es justificable a nivel económico debido a que disminuye notablemente los gastos asociados a la supervisión de las obras y proyectos que realiza la empresa.
14 1.3.4 Justificación Social
En el aspecto social el proyecto se justifica por lo siguiente:
- El uso de equipos de protección personal disminuye los riesgos de sufrir accidentes por parte de las personas, lo que permitirá cuidar el bienestar de las personas involucradas en las actividades de la empresa.
- Al evitar que los trabajadores tengan accidentes, la empresa podrá seguir manteniendo el servicio de distribución eléctrica a toda su área de concesión. Los hogares, empresas e industrias continuarán contribuyendo para el desarrollo social y económico del país ya que contarán con el servicio eléctrico.
- Disminuir la movilización de personal a campo, tiene como beneficio evitar la exposición al personal a riesgos como accidentes de tránsito, contagios del virus COVID-19, entre otros. Además, realizar el monitoreo remoto de las actividades, permitirá al personal optimizar su tiempo al momento de realizar sus labores.
1.4 Requerimientos técnicos, ingenieriles y operativos
El sistema propuesto cumple con los siguientes requerimientos del cliente:
Automático: El sistema debe trabajar de manera continua y debe generar sus alertas de manera automática. Las alarmas deberán llegar mediante correo electrónico al personal del Departamento de Seguridad para que puedan tomar acciones inmediatas.
Alto grado de precisión: El sistema propuesto debe ser preciso al momento de detectar el uso de los equipos de protección personal, es por este motivo que se plantea contar con una precisión mayor a 90 % para la detección de cascos y guantes de seguridad. Esta probabilidad es siempre y cuando se haya detectado correctamente a la persona con una precisión mayor a 85%.
Intuitivo: El software debe ser de uso ágil y sencillo por parte de los supervisores de seguridad, cuyo tiempo de aprendizaje debe verse reducido a una capacitación de solo 04 horas.
Compatible: El sistema debe permitir la interoperabilidad con diferentes marcas de cámaras de tecnología IP existentes en el mercado (Hanwha, Hikvision, AXIS, etc.), es por este motivo que el servidor utiliza protocoles de red estandarizados para cumplir con este requerimiento.
15 Almacenamiento: El sistema debe almacenar en una base de datos, los eventos con los siguientes campos: Fecha y Hora, tipo de evento y descripción. Dicha información deberá estar disponible para el Departamento de Seguridad Ocupacional de la empresa.
1.5 Objetivo General
Desarrollar un sistema computacional autónomo que permita el monitoreo de uso de guantes y cascos, como equipos de protección personal, aplicando inteligencia artificial y procesamiento de imágenes, para las obras y actividades de la empresa Distribución Eléctrica S.A.
1.6 Objetivo Específicos de Desarrollo de la Solución Propuesta
- Estudiar los procedimientos y protocolos planteados por el Plan Interno de Seguridad Ocupacional de la empresa Distribución Eléctrica S.A, y la cultura de prevención identificada en los trabajadores. Indicador: Informe sobre el Sistema de Gestión de Seguridad y Salud Ocupacional en la empresa Distribución Eléctrica S.A.
- Implementar una red de comunicaciones que permita comunicar la cámara con el servidor de adquisición y procesamiento de imágenes. Indicador: Red de comunicaciones que interconecta la cámara de pruebas y el servidor de procesamiento.
- Entrenar e implementar la red neuronal convolucional “OpenPose” que identifique en la imagen, capturada por la cámara, la ubicación de las cabezas y manos en el cuerpo del trabajador para su posterior procesamiento. Indicador: Detección de los puntos antropométricos de interés (cabeza y manos) de cada persona, en la zona de trabajo, mediante la red neuronal OpenPose sobre imágenes y videos obtenidos desde las cámaras seleccionadas para este proyecto.
- Desarrollar un algoritmo de procesamiento de imágenes e inteligencia artificial capaz de extraer y/o segmentar imágenes de las zonas de interés de los trabajadores (cabeza y mano) y clasificar si las imágenes corresponden a cascos y guantes con, por lo menos, una base de 2,000 imágenes por cada clase. Indicador: Imágenes extraídas de las zonas de interés (cabeza y manos) que serán input de un Algoritmo de Inteligencia Artificial con un nivel de precisión mayor a 90% que permita clasificar en las siguientes clases: casco, sin casco, guante, sin guante.
16 - Validar el sistema propuesto haciendo uso de métricas de validación como confiabilidad y
precisión. Indicador: Reporte de validación de métricas.
1.7 Breve descripción de la Solución propuesta
En esta sección se describe brevemente la solución propuesta.
1.7.1 Diagrama de bloques
En la Figura 1 se presenta un diagrama de bloques que describe el funcionamiento de la solución propuesta.
Figura 1
Diagrama de Bloques
Nota: Elaboración propia.
1.7.2 Funcionamiento
La solución consta de los siguientes procesos, los cuales se listan a continuación en breves pasos:
- Paso 1: Se envía mediante la red de datos la imagen, capturada por la cámara IP, al servidor de procesamiento (Bloque 1).
- Paso 2: El servidor utilizará la red neuronal Open Pose para detectar la (s) persona (s) en la imagen y estimar la ubicación de los puntos antropométricos de interés (cabeza y manos).
(Bloque 2).
- Paso 3: Con la información de la ubicación de los puntos antropométricos, se procederá a extraer regiones de interés alrededor de los puntos detectados de cabeza y manos por cada una de la (s) persona (s). (Bloque 3).
- Paso 4: Las regiones de interés extraídas serán ingresadas a una red neuronal convolucional para que se realice la clasificación de objetos, cuyas salidas indicarán si existe presencia
17 de los equipos de protección personal (EPP) en las manos y cabezas del personal de la empresa. (Bloque 4).
- Paso 5: Desde la pantalla de una computadora se podrá visualizar el software implementado, donde se mostrará en tiempo real la imagen de la zona de trabajo y se podrán visualizar en tiempo real las alertas generadas tras la detección de ausencia de uso de EPP por parte del personal de la empresa. Después, enviará las alertas generadas mediante correo electrónico hacia el personal designado por la empresa. (Bloque 6) - Paso 6: Las alertas generadas y las imágenes donde se observe la ausencia de uso de EPP
serán almacenadas en una base de datos para que sean explotadas posteriormente por los supervisores de Seguridad y Salud Ocupacional. Por último, se vuelve al paso 1 para continuar con la supervisión autónoma. (Bloque 7).
1.7.3 Ilustración del Producto Final Estimado (Terminado)
En la Figura 2 se muestra un diagrama pictórico de la solución donde se podrá apreciar los equipos que componen el proyecto, como la cámara IP, el servidor de procesamiento y la computadora desde la cual se podrá visualizar las imágenes y alertas en tiempo real. Mientras que en la figura 3, se muestra una ilustración de la interfaz visual del software de monitoreo que se plantea diseñar e implementar.
Figura 2
Diagrama Pictórico de la Solución Propuesta
Nota: Elaboración propia.
18 Figura 3
Ilustración de la Interfaz de Usuario
Nota: Elaboración propia.
1.7.4 Alcances y limitaciones de la solución propuesta
La interfaz visual del software se muestra en la Figura 3, en la cual se puede observar el entorno de operación requerido.
Alcances:
- El sistema detecta el uso de cascos de seguridad y guantes de protección mediante las cámaras de video seguridad de la empresa.
- La cantidad de cámaras de seguridad que soporta el sistema está limitada a 01 como máximo. Las pruebas y validaciones se realizarán con 01 cámara instalada en la empresa (entorno de producción) y 01 cámara instalada en un entorno de emulación.
- El sistema puede ser utilizado de manera remota dentro de la red de comunicaciones de la empresa Distribución Eléctrica S.A.
- El sistema emite alertas, visuales y mediante correos electrónicos, cuando detecta que los trabajadores no están utilizando los equipos de protección personal (cascos y/o guantes).
19 - El sistema solo será visible desde una máquina de escritorio. Mientras que el historial de alertas e imágenes, almacenados en la base de datos, pueden ser visualizados mediante una página web, lo que la hace compatible con dispositivos móviles y equipos de escritorio.
- La información obtenida por el sistema estará almacenada en una base de datos interna, cuya capacidad será definida por el cliente final. En el caso de la empresa Distribución Eléctrica S.A se necesita que se almacenen 30 días de historial de alertas e imágenes, por lo que es necesario que se cuenta con un espacio como mínimo de 600 GB, y es por este motivo que el servidor cuenta con un disco de estado sólido de 1 TB.
Limitaciones:
- La solución puede monitorear hasta máximo 01 cámara simultáneamente.
- A pedido de la empresa, se tendrá acceso a 01 cámara IP por motivos de seguridad para pruebas libres.
- En caso se desee escalar el sistema, se deberá considerar el cambio del servidor de procesamiento y el software de monitoreo debido a que su diseño actual está limitado a 01 cámara.
1.7.5 Aplicaciones directas e indirectas de la solución propuesta
El Proyecto está dirigido a empresas que se encuentren dentro del sector de construcción, industria, minería y producción:
- Es una solución que se puede integrar a sistemas de video vigilancia basados en tecnología IP, por lo que se puede desplegar fácilmente en caso la empresa cuente con un sistema instalado o esté planeando desplegar uno.
- El sistema detecta el uso de cascos de seguridad y guantes de protección, ambos EPP son de uso obligatorio en otros sectores como el de minería o construcción por lo que puede ser desplegado en empresas de esos sectores.
- A partir del algoritmo de detección de personas y en caso alguna otra empresa le interese detectar otros tipos de elementos de seguridad o trabajo, se puede volver a entrenar los algoritmos de inteligencia artificial para que sea flexible al momento de que se busque detectar otros EPP.
20 1.8 Viabilidad
Las diferentes viabilidades de la solución propuesta son descritas a continuación:
1.8.1 Viabilidad técnica
Como viabilidad técnica se presenta:
a. Capacitación del personal:
Los autores cuentan con conocimientos de redes de comunicaciones, programación orientada a objetos y procesamiento de video adquiridos durante la carrera de Ingeniería de Telecomunicaciones y Redes. Conocimiento sobre sistema de video vigilancia e inteligencia artificial adquiridos por experiencia laboral.
b. Asesoramiento Técnico/Ingenieril:
El asesoramiento ingenieril será por parte del asesor del taller de tesis con el fin de acotar y guiar en la elaboración del proyecto.
A nivel técnico, se cuenta con el apoyo de la empresa para el acceso a la información de los procedimientos de trabajos, acceso a muestras de EPP, imágenes y videos de las labores realizadas en campo.
c. Infraestructura y Equipamiento Técnico:
Del equipamiento a usar:
- El lenguaje de programación a utilizar será Python, debido a que es uso libre y cuenta con librerías de programación que facilitan el procesamiento de imágenes y algoritmos de visión artificial.
- Las imágenes y videos para la elaboración del conjunto de datos de las redes neuronales serán provistos por la empresa Distribución Eléctrica S.A. en el ambiente de producción. Por otro lado, en el ambiente de emulación, los autores del proyecto utilizarán las imágenes y videos que se recopilen durante la etapa de entrenamiento del sistema.
- Las cámaras de video están instaladas de forma permanente y se cuenta con el acceso como administrador a cada una de ellas.
- Para el entorno de emulación, se utilizará una cámara IP, un servidor de procesamiento y un switch de comunicaciones. Los equipos serán instalados en un
21 entorno controlado con libre acceso de los autores para realizar los procesos de entrenamiento, pruebas y validación del sistema.
d. Proceso de Validación:
Para realizar el proceso de validación del sistema desarrollado se utilizarán métricas como la sensibilidad, precisión y especificidad, para lo cual se recolectarán estadísticas durante las pruebas de detección que realizarán los autores del presente proyecto en los ambientes de emulación y producción propuestos. Las estadísticas que se coleccionarán serán:
número de casos de Verdadero Positivo (VP), Falsos Positivo (FP), Falsos Negativos (FN) y Verdadero Negativo (VN). La clasificación de cada caso se obtiene de comparar la predicción de la red con la imagen real, para lo cual se necesitará realizar una inspección visual para cada uno de los casos donde se valide la presencia o ausencia del caso de uso.
Por lo tanto:
- Se define a VP, como la cantidad de veces que tanto la predicción de la red y la inspección visual coinciden en que existe un objeto.
- FP, se define como la situación donde la red predice la detección de un objeto, pero en la imagen real no se encuentra el objeto.
- FN, se define como la situación donde la red predice que no se encuentra el objeto, pero en la imagen real si aparece.
- VN, se define como la situación donde la red predice que no hay objetos y en la imagen real tampoco aparece el objeto.
Para el presente trabajo, se consideran las siguientes validaciones de acuerdo con la red neuronal:
- Red Neuronal Open Pose: La red debe estimar la ubicación de los puntos antropométricos de interés (cabeza y brazos) de las personas visibles en la imagen capturada por la cámara.
- Algoritmo de Inteligencia Artificial para la Clasificación: El Algoritmo de inteligencia artificial debe clasificar las imágenes en 04 clases: casco, sin casco, guante, sin guante. La inspección visual debe validar los resultados.
Para el presente sistema se definirán las siguientes métricas de validación: Precisión, Sensibilidad y Especificidad. Las 03 métricas serán utilizadas para evaluar a la red neuronal
22 de estimación de puntos antropométricos, algoritmo de clasificación de cascos y clasificación de guantes por separado.
Las fórmulas de cada una de las métricas son las siguientes:
- Precisión: 𝑉𝑃/(𝑉𝑃 + 𝐹𝑃). Mide la fiabilidad de la clasificación de VP
- Sensibilidad: 𝑉𝑃/(𝑉𝑃 + 𝐹𝑁). Determina el porcentaje de objetos que fueron debidamente clasificados.
- Especificidad: 𝑉𝑁/(𝑉𝑁 + 𝐹𝑃). Determina el porcentaje de objetos que no fueron clasificados debidamente.
El presente proyecto plantea la implementación de un ambiente de emulación, donde se podrá controlar la iluminación y contar con libre acceso para realizar las pruebas, dado que debido a la coyuntura actual el país se encuentra en estado de emergencia y la movilización es restringida. Por otro lado, se cuenta con el apoyo de la empresa Distribución Eléctrica S.A., que facilitará un ambiente para realizar el entrenamiento del sistema, así como para realizar el proceso de validación final del sistema. Por lo cual, se tendrá acceso libre a la cámara, los videos almacenados de las actividades a monitorear y con el apoyo del personal de la empresa para realizar pruebas de validación. El proceso de validación se realizará en ambos ambientes, por lo que se emitirá 02 reportes con los resultados obtenidos.
e. Disponibilidad de componentes y materiales:
Se ha comprobado que la disponibilidad de computadores y tarjetas gráficas están disponibles a nivel nacional, a pesar de la coyuntura nacional. Los monitores y/o laptops para las pruebas finales serán brindados por la empresa Distribución Eléctrica S.A.
Adquisición nacional:
- Desktop HP Pavilion 590 - Tarjeta gráfica NVIDIA 1050Ti - Cámara IP Hanwha QND-7080R - Switch TP-LINK TL-SG1008MP 1.8.2 Viabilidad Social
El proyecto plantea el uso de cámaras de video vigilancia IP instaladas en las zonas de trabajo de la empresa, lo cual no representa ningún agravio para el personal de la empresa. El uso del video
23 será utilizado únicamente por temas laborales por lo que no se está vulnerando la privacidad del personal en campo. Además, el personal de la empresa tiene conocimiento de que las cámaras de seguridad cumplen un papel de monitoreo y control sobre las actividades que realizan.
1.8.3 Viabilidad Económica
Como viabilidad económica se presenta lo siguiente:
a. Cuadro Económico Total
En la Tabla 5, se muestran los costos brutos que involucra la realización del proyecto a realizar.
Tabla 5
Tabla Económica Total.
Descripción Cantidad Costo
Unitario Costo Total Disponible Por Adquirir Laptop ASUS
K555L 1 S/ 2,000.00 S/ 2,000.00 X
Desktop HP Pavilion
590 1 S/ 5,000.00 S/ 5,000.00 X
Cámara IP Hanwha
QND-7080R 1 S/.600.00 S/.600.00 X
Cámara IP Hanwha
QND-6010R 1 S/.250.00 S/.250.00 X
Switch TP-LINK
TL-SG1008MP 1 S/.450.00 S/.450.00 X
Tarjeta gráfica
NVIDIA 1050Ti 1 S/ 1,500.00 S/ 1,500.00 X
Costo Total S/ 9,800.00
Nota: Elaboración propia.
b. Cuadro Económico Parcial
Se presenta la Tabla 6 con los costos netos, se tiene en cuenta que ya se tienen a disposición las cámaras, proporcionadas por la empresa. Por lo que el proyecto tendrá un costo total de S/.6,950.00.
24 Tabla 6
Tabla Económica Parcial
Descripción Cantidad Costo
Unitario Costo Total Disponible Por Adquirir Laptop ASUS
K555L
1 S/ 2,000.00 X
Desktop HP Pavilion 590
1 S/ 5,000.00 S/ 5,000.00 X
Tarjeta gráfica NVIDIA 1050Ti
1 S/ 1,500.00 S/ 1,500.00 X
Cámara IP Hanwha QND-7080R
1 S/.600.00 X
Cámara IP Hanwha QND-6010R
1 S/.250.00 X
Switch TP-LINK TL-SG1008MP
1 S/.450.00 S/.450.00 X
Costo Total S/ 6,950.00 Nota: Elaboración propia.
c. Argumentación
Como se muestra en las Tabla 6, se muestra el costo neto del proyecto a realizar es de S/.6,950.00 para la adquisición del servidor de procesamiento y el switch necesario para implementar el entorno de emulación. Este costo puede ser asumido por los autores, por lo que se hace viable económicamente el proyecto.
1.8.4 Viabilidad Operativa
El trabajo es operativamente viable, el sistema tiene múltiples aplicaciones en diferentes empresas e industrias que requieran controlar y monitorear de manera autónoma el uso de equipos de protección personal durante la ejecución de sus actividades. Actualmente, los sistemas de video vigilancia modernos tienen un costo de implementación y mantenimiento más bajo que los antiguos sistemas, por lo que las empresas pueden optar por renovar o implementar un sistema de video, como el mencionado.
25 CAPÍTULO 2: MARCO TEÓRICO
2.1. Introducción
En este capítulo, se presentan los fundamentos teóricos, conceptos y consideraciones ingenieriles analizados e implementados para el desarrollo de la solución presentada. En primer lugar, se detalla la importancia del uso de equipos de protección personal (EPP) durante las labores, de la empresa de Distribución Eléctrica S.A., y se explica el procedimiento de seguridad que utiliza la empresa durante las actividades que se desean monitorear. Asimismo, se hace una breve introducción a la inteligencia artificial (IA), específicamente su aplicación en el campo de visión artificial y la explicación sobre los métodos de aprendizaje que existen. Por último, se explican los algoritmos que permiten estimar la ubicación de puntos antropométricos de las personas a partir del uso de técnicas de visión artificial.
2.2. Equipos de Protección Personal
Los equipos de protección personal (EPP) tienen como objetivo proteger a los trabajadores de los peligros o riesgos que se puedan presentar durante la ejecución de sus trabajos diarios. Estos equipos son muy utilizados en diversas industrias, como en el sector eléctrico donde los equipos tienen que cumplir ciertas características para poder ser efectivos contra los riesgos mecánicos y eléctricos inherentes a las actividades del mencionado sector. Por lo mencionado, las empresas eléctricas cumplen con altos estándares de seguridad y salud ocupacional para proteger el bienestar de sus trabajadores.
En el Perú, el uso obligatorio de los equipos de protección personal está reglamentado por la Ley de Seguridad y Salud en el Trabajo1 y el Reglamento de Seguridad y Salud en el Sector Eléctrico2. Ambas leyes hacen énfasis en la importancia de los equipos de protección personal y las características que deben cumplir dada la naturaleza de la actividad, así como obligan a realizar un mantenimiento y control sobre el estado de los EPP. Además, las leyes obligan a las empresas de la industria eléctrica a realizar capacitaciones constantes a sus trabajadores en temas de seguridad y salud ocupacional con el fin de que sean conscientes de la importancia del uso de EPP y cumplimiento de los procedimientos de trabajo.
1 Ley N°29783 (2011)
2 RESETATE-2013 (2013)
26 La clasificación de los equipos de protección personal se realiza por el riesgo o la zona que buscan proteger, por lo que existen equipos para la protección de la cabeza, visual, facial, del cuerpo, auditiva, respiratoria, para manos, para pies y para caídas. Para el presente proyecto, se enfoca la detección de equipos de protección personal que protejan la cabeza, cascos de seguridad dieléctricos, y los equipos de protección para las manos, guantes de protección.
2.2.1. Protección de la Cabeza
La cabeza es una de las partes más sensibles de nuestro cuerpo, por lo que es importante contar con protección. En el sector eléctrico, se han identificado los siguientes riesgos:
- Impacto por objetos - Radiación Solar - Choques Eléctricos - Derrames o Salpicaduras
El equipo de protección más adecuado y seleccionado por las empresas de distribución eléctrica es el casco de seguridad ya que protege a los trabajadores de los riesgos mencionados. Existen diferentes tipos de casco, ya que varían de acuerdo con su diseño, material y especificaciones técnicas. De acuerdo con el RESETATE-2013, los trabajadores deben contar con un casco dieléctrico antichoque con barbiquejo que cumpla con la Norma Técnica Peruana 399.018. Esta norma específica los criterios para la elección, uso y mantenimiento de los cascos de protección.
Los tipos y clases de los cascos de protección, de acuerdo lo que indica la N.T.P. 399.018, están establecidas por la norma ANSI/ISEA Z89.1-2014 que además fija los requisitos de rendimiento y pruebas para estos elementos de seguridad.
La norma específica que los cascos deben ser del “tipo I”, lo que indica que deben ser un material de fibra de vidrio y que deben disminuir la fuerza del impacto en la parte superior de la cabeza, columna vertebral y cuello. Además, deberán ser de la “clase E”, lo que garantiza una protección eléctrica con soporte de hasta 20000 voltios.
Las partes de un casco de seguridad normado, como se muestra en la Figura 4, son el casquete o concha, visera o ala, arnés, nuquera, sudadera o banda de sudor, hamaca y el barbiquejo, que para trabajos eléctricos debe cumplir con la característica de ser de material dieléctrico.
