ดาวน์โหลด Construction Hazard Detection - ดาวน์โหลดซอร์สโค้ด Construction Hazard Detection

Construction Hazard Detection

โค้ดแหล่งที่มา AI

v3.0.0

ดาวน์โหลด

อังกฤษ | 繁體中文

แบนเนอร์ความปลอดภัยในการก่อสร้างที่ขับเคลื่อนด้วย AI

เซิร์ฟเวอร์ API | สตรีมมิ่งเว็บ | การเพิ่มข้อมูล | การประเมินผล | รถไฟ

"Construction-Hazard-Detection" เป็นเครื่องมือที่ขับเคลื่อนด้วย AI ซึ่งได้รับการออกแบบมาเพื่อเพิ่มความปลอดภัยในสถานที่ก่อสร้าง ด้วยการใช้ประโยชน์จากโมเดล YOLO สำหรับการตรวจจับวัตถุ จะระบุอันตรายที่อาจเกิดขึ้น เช่น:

คนงานไม่สวมหมวกกันน็อค
คนงานที่ไม่มีเสื้อชูชีพ
คนงานที่อยู่ใกล้เครื่องจักรหรือยานพาหนะ
ผู้ปฏิบัติงานในพื้นที่จำกัด พื้นที่หวงห้ามจะถูกสร้างขึ้นโดยอัตโนมัติโดยการคำนวณและจัดกลุ่มพิกัดของกรวยนิรภัย

อัลกอริธึมหลังการประมวลผลปรับปรุงความแม่นยำในการตรวจจับให้ดียิ่งขึ้น ระบบนี้สร้างขึ้นสำหรับการใช้งานแบบเรียลไทม์ โดยนำเสนอการวิเคราะห์และการแจ้งเตือนทันทีสำหรับอันตรายที่ระบุ

นอกจากนี้ ระบบยังรวมผลลัพธ์การจดจำ AI แบบเรียลไทม์ผ่านอินเทอร์เฟซเว็บ สามารถส่งการแจ้งเตือนและรูปภาพแบบเรียลไทม์ผ่านแอปส่งข้อความ เช่น LINE, Messenger, WeChat และ Telegram เพื่อแจ้งเตือนและเตือนความจำได้ทันที ระบบยังรองรับหลายภาษา ทำให้ผู้ใช้สามารถรับการแจ้งเตือนและโต้ตอบกับอินเทอร์เฟซในภาษาที่ต้องการได้ ภาษาที่รองรับได้แก่:

จีนตัวเต็ม (ไต้หวัน)
จีนตัวย่อ (จีนแผ่นดินใหญ่)
ภาษาฝรั่งเศส
ภาษาอังกฤษ
แบบไทย
ภาษาเวียดนาม
ชาวอินโดนีเซีย

การสนับสนุนหลายภาษานี้ทำให้ระบบสามารถเข้าถึงได้โดยผู้ชมทั่วโลก ปรับปรุงการใช้งานในภูมิภาคต่างๆ

แผนภาพการตรวจจับอันตราย

สารบัญ

ตัวอย่างการตรวจจับอันตราย
การใช้งาน
ข้อมูลเพิ่มเติม
ข้อมูลชุดข้อมูล
มีส่วนร่วม
แผนงานการพัฒนา
ใบอนุญาต

ตัวอย่างการตรวจจับอันตราย

ด้านล่างนี้เป็นตัวอย่างการตรวจจับอันตรายแบบเรียลไทม์โดยระบบ:

คนงานที่ไม่สวมหมวกนิรภัยหรือเสื้อชูชีพ

คนงานที่ไม่มีหมวกกันน็อคหรือเสื้อนิรภัย

คนงานที่อยู่ใกล้เครื่องจักรหรือยานพาหนะ

คนงานในพื้นที่จำกัด

คนงานในพื้นที่หวงห้าม

การใช้งาน

ก่อนที่จะรันแอปพลิเคชัน คุณต้องกำหนดค่าระบบโดยการระบุรายละเอียดของสตรีมวิดีโอและพารามิเตอร์อื่นๆ ในไฟล์การกำหนดค่า JSON ตัวอย่างไฟล์การกำหนดค่า config/configuration.json ควรมีลักษณะดังนี้:

 -
  {"video_url": "https://cctv1.kctmc.nat.gov.tw/6e559e58/","site": "เกาสง", "stream_name": "Test", "model_key": "yolo11n", "การแจ้งเตือน" ": { "line_token_1": "ภาษา_1", "line_token_2": "ภาษา_2"},"detect_with_server": จริง,"expire_date": "2024-12-31T23:59:59",detection_items": { "detect_no_safety_vest_or_helmet": จริง, "detect_near_machinery_or_vehicle": จริง, "detect_in_restricted_area": true},"work_start_hour": 7,"work_end_hour ": 18,"store_in_redis": จริง
  -
  {"video_url": "สตรีมมิ่ง URL", "ไซต์": "Factory_1", "stream_name": "กล้อง_1", "model_key": "yolo11n", "การแจ้งเตือน": { "line_token_3": "ภาษา_3", "line_token_4" : " language_4"}, "detect_with_server": false, "expire_date": "ไม่มีวันหมดอายุ", "detection_items": { "detect_no_safety_vest_or_helmet": จริง, "detect_near_machinery_or_vehicle": เท็จ, "detect_in_restricted_area": จริง},"work_start_hour": 0,"work_end_hour": 24,"store_in_redis": จริง
  -
-

แต่ละออบเจ็กต์ในอาร์เรย์แสดงถึงการกำหนดค่าสตรีมวิดีโอโดยมีฟิลด์ต่อไปนี้:

video_url : URL ของสตรีมวิดีโอสด ซึ่งอาจรวมถึง:

กระแสการเฝ้าระวัง
สตรีม RTSP
กระแสรอง
วิดีโอ YouTube หรือสตรีมสด
กระแสความไม่ลงรอยกัน

site : ตำแหน่งของระบบติดตาม (เช่น สถานที่ก่อสร้าง โรงงาน)
stream_name : ชื่อที่กำหนดให้กับกล้องหรือสตรีม (เช่น "ประตูหน้า", "กล้อง 1")
model_key : ตัวระบุคีย์สำหรับโมเดลการเรียนรู้ของเครื่องที่จะใช้ (เช่น "yolo11n")
notifications : รายการโทเค็น API การส่งข้อความของ LINE และภาษาที่เกี่ยวข้องสำหรับการส่งการแจ้งเตือน
ภาษาที่รองรับสำหรับการแจ้งเตือน ได้แก่ :
สำหรับข้อมูลเกี่ยวกับวิธีการรับโทเค็น LINE โปรดดูที่ line_notify_guide_en

zh-TW : จีนตัวเต็ม
zh-CN : จีนตัวย่อ
th : en
fr : ฝรั่งเศส
vi : ภาษาเวียดนาม
id : อินโดนีเซีย
th : ไทย
line_token_1 , line_token_2 ฯลฯ: นี่คือโทเค็น LINE API
language_1 , language_2 ฯลฯ: ภาษาสำหรับการแจ้งเตือน (เช่น "en" สำหรับภาษาอังกฤษ "zh-TW" สำหรับภาษาจีนตัวเต็ม)

detect_with_server : ค่าบูลีนที่ระบุว่าจะรันการตรวจจับอ็อบเจ็กต์โดยใช้ API ของเซิร์ฟเวอร์หรือไม่ หากเป็น True ระบบจะใช้เซิร์ฟเวอร์ในการตรวจจับวัตถุ หากเป็น False การตรวจจับวัตถุจะทำงานภายในเครื่อง
expire_date : วันหมดอายุสำหรับการกำหนดค่าสตรีมวิดีโอในรูปแบบ ISO 8601 (เช่น "2024-12-31T23:59:59") หากไม่มีวันหมดอายุ คุณสามารถใช้สตริง เช่น "ไม่มีวันหมดอายุ" ได้
detection_items : ระบุรายการการตรวจจับความปลอดภัยสำหรับการตรวจสอบสถานการณ์เฉพาะ แต่ละรายการสามารถตั้งค่าเป็น True เพื่อเปิดใช้งานหรือ False เพื่อปิดใช้งาน รายการการตรวจจับที่ใช้ได้คือ:

detect_no_safety_vest_or_helmet : ตรวจจับว่าบุคคลไม่สวมเสื้อกั๊กหรือหมวกกันน็อคหรือไม่ นี่เป็นสิ่งสำคัญสำหรับการตรวจสอบการปฏิบัติตามข้อกำหนดอุปกรณ์นิรภัยในสถานที่ซึ่งอุปกรณ์ดังกล่าวจำเป็นสำหรับการปกป้องบุคลากร
detect_near_machinery_or_vehicle : ตรวจจับว่าบุคคลนั้นอยู่ใกล้กับเครื่องจักรหรือยานพาหนะอย่างเป็นอันตรายหรือไม่ ซึ่งช่วยป้องกันอุบัติเหตุที่เกิดจากความใกล้ชิดกับเครื่องจักรกลหนักหรือยานพาหนะที่กำลังเคลื่อนที่ ซึ่งมักพบในสถานที่ก่อสร้างหรือเขตอุตสาหกรรม
detect_in_restricted_area : ตรวจจับว่ามีบุคคลเข้าไปในพื้นที่หวงห้ามหรือควบคุมหรือไม่ พื้นที่หวงห้ามอาจเป็นอันตรายต่อบุคลากรที่ไม่ได้รับการฝึกอบรมหรืออาจมีอุปกรณ์ที่ละเอียดอ่อน ดังนั้นการตั้งค่านี้จึงช่วยในการควบคุมการเข้าถึงโซนดังกล่าว

work_start_hour : ระบุชั่วโมง (ในรูปแบบ 24 ชั่วโมง) เมื่อระบบควรเริ่มตรวจสอบสตรีมวิดีโอ ซึ่งช่วยให้สามารถจำกัดการตรวจสอบเฉพาะชั่วโมงทำงานที่ใช้งานอยู่ ช่วยลดการประมวลผลที่ไม่จำเป็นนอกกรอบเวลาที่กำหนด (เช่น 7 สำหรับ 7:00 น.)
work_end_hour : ระบุชั่วโมง (ในรูปแบบ 24 ชั่วโมง) เมื่อระบบควรหยุดการตรวจสอบสตรีมวิดีโอ การตรวจสอบจะหยุดหลังจากเวลานี้เพื่อเพิ่มประสิทธิภาพการใช้ทรัพยากร (เช่น 18 สำหรับ 18:00 น.)
work_start_hour และ work_end_hour ร่วมกันกำหนดระยะเวลาการมอนิเตอร์ในระหว่างวัน สำหรับการมอนิเตอร์ตลอด 24 ชั่วโมง ให้ตั้ง work_start_hour เป็น 0 และ work_end_hour เป็น 24
store_in_redis : ค่าบูลีนที่กำหนดว่าจะจัดเก็บเฟรมที่ประมวลผลและข้อมูลการตรวจจับที่เกี่ยวข้องใน Redis หรือไม่ หากเป็น True ระบบจะบันทึกข้อมูลลงในฐานข้อมูล Redis เพื่อการใช้งานต่อไป เช่น การตรวจสอบแบบเรียลไทม์ หรือการผสานรวมกับบริการอื่นๆ หากเป็น False จะไม่มีการบันทึกข้อมูลใน Redis

ตัวแปรสภาพแวดล้อม

แอปพลิเคชันต้องการตัวแปรสภาพแวดล้อมเฉพาะเพื่อการกำหนดค่าที่เหมาะสม ควรกำหนดตัวแปรเหล่านี้ในไฟล์ .env ที่อยู่ในไดเร็กทอรีรากของโครงการ ด้านล่างนี้เป็นตัวอย่างของไฟล์ .env :

DATABASE_URL='mysql+asyncmy://username:password@mysql/construction_hazard_detection'
API_USERNAME='user'
API_PASSWORD='password'
API_URL="http://yolo-server-api:6000"
REDIS_HOST='redis'
REDIS_PORT=6379
REDIS_PASSWORD='password'
LINE_CHANNEL_ACCESS_TOKEN='YOUR_LINE_CHANNEL_ACCESS_TOKEN'
CLOUDINARY_CLOUD_NAME='YOUR_CLOUDINARY_CLOUD_NAME'
CLOUDINARY_API_KEY='YOUR_CLOUD_API_KEY'
CLOUDINARY_API_SECRET='YOUR_CLOUD_API_SECRET'

คำอธิบายตัวแปร:

DATABASE_URL : URL การเชื่อมต่อสำหรับฐานข้อมูล MySQL ใช้โดยโมดูล server_api
API_USERNAME : ชื่อผู้ใช้สำหรับตรวจสอบสิทธิ์กับ API ใช้โดย main.py
API_PASSWORD : รหัสผ่านสำหรับการตรวจสอบสิทธิ์กับ API ใช้โดย main.py
API_URL : URL ของ API เซิร์ฟเวอร์ YOLO ใช้โดย main.py
REDIS_HOST : ชื่อโฮสต์สำหรับเซิร์ฟเวอร์ Redis ใช้โดย main.py
REDIS_PORT : หมายเลขพอร์ตสำหรับเซิร์ฟเวอร์ Redis ใช้โดย main.py
REDIS_PASSWORD : รหัสผ่านสำหรับเชื่อมต่อกับเซิร์ฟเวอร์ Redis ใช้โดย main.py
LINE_CHANNEL_ACCESS_TOKEN : โทเค็นการเข้าถึงสำหรับ LINE Messaging API ใช้โดย src/notifiers/line_notifier_message_api.py
CLOUDINARY_CLOUD_NAME : ชื่อคลาวด์ Cloudinary สำหรับการจัดการสื่อ ใช้โดย src/notifiers/line_notifier_message_api.py
CLOUDINARY_API_KEY : คีย์ API สำหรับการเข้าถึงบริการ Cloudinary ใช้โดย src/notifiers/line_notifier_message_api.py
CLOUDINARY_API_SECRET : ข้อมูลลับ API สำหรับการเข้าถึงบริการ Cloudinary ใช้โดย src/notifiers/line_notifier_message_api.py

หมายเหตุ : แทนที่ค่าตัวยึดตำแหน่งด้วยข้อมูลรับรองจริงและรายละเอียดการกำหนดค่าเพื่อให้แน่ใจว่ามีการทำงานที่เหมาะสม

ตอนนี้คุณสามารถเปิดระบบตรวจจับอันตรายใน Docker หรือ Python env ได้:

นักเทียบท่า

การใช้งานสำหรับนักเทียบท่า

หากต้องการเรียกใช้ระบบตรวจจับอันตราย คุณต้องติดตั้ง Docker และ Docker Compose บนเครื่องของคุณ ทำตามขั้นตอนเหล่านี้เพื่อให้ระบบพร้อมใช้งาน:

โคลนพื้นที่เก็บข้อมูลไปยังเครื่องภายในของคุณ
```
git clone https://github.com/yihong1120/Construction-Hazard-Detection.git
```
นำทางไปยังไดเร็กทอรีที่โคลน
```
cd Construction-Hazard-Detection
```
สร้างและรันบริการโดยใช้ Docker Compose:
```
 งานสร้างนักเทียบท่า
```
หากต้องการเรียกใช้แอปพลิเคชัน ให้ใช้คำสั่งต่อไปนี้:
```
 นักเทียบท่า-เขียนขึ้น
```
คุณสามารถดูผลการตรวจจับได้ที่ http://localhost
หากต้องการหยุดบริการให้ใช้คำสั่งต่อไปนี้:
```
 นักเทียบท่า-เขียนลง
```

หลาม

การใช้งานสำหรับหลาม

หากต้องการรันระบบตรวจจับอันตรายด้วย Python ให้ทำตามขั้นตอนเหล่านี้:

1. โคลนพื้นที่เก็บข้อมูลไปยังเครื่องท้องถิ่นของคุณ

ใช้คำสั่งต่อไปนี้เพื่อโคลนที่เก็บจาก GitHub:

 โคลนคอมไพล์ https://github.com/yihong1120/Construction-Hazard-Detection.git

2. ไปที่ไดเร็กทอรีโคลน

เปลี่ยนไดเร็กทอรีเป็นที่เก็บข้อมูลที่ถูกโคลนใหม่:

 cd การก่อสร้าง-อันตราย-การตรวจจับ

3. ติดตั้งแพ็คเกจที่จำเป็น

รันคำสั่งต่อไปนี้เพื่อติดตั้งแพ็คเกจ Python ที่จำเป็น:

 pip ติดตั้ง -r ข้อกำหนด.txt

4. ติดตั้งและเปิดใช้งานบริการ MySQL (ถ้าจำเป็น)

สำหรับผู้ใช้อูบุนตู

เปิดเทอร์มินัลแล้วดำเนินการคำสั่งต่อไปนี้เพื่อติดตั้งและเริ่มต้นเซิร์ฟเวอร์ MySQL:
```
 อัปเดต sudo apt
sudo apt ติดตั้งเซิร์ฟเวอร์ mysql
sudo systemctl เริ่ม mysql.service
```

สำหรับระบบปฏิบัติการอื่นๆ

ดาวน์โหลดและติดตั้ง MySQL เวอร์ชันที่เหมาะสมสำหรับระบบปฏิบัติการของคุณจากหน้าดาวน์โหลด MySQL

เริ่มต้นฐานข้อมูล

หลังจากติดตั้ง MySQL ให้ใช้คำสั่งต่อไปนี้เพื่อเริ่มต้นฐานข้อมูล construction_hazard_detection และสร้างตาราง users :

 mysql -u root -p < สคริปต์/init.sql

คุณจะได้รับแจ้งให้ป้อนรหัสผ่านรูทของ MySQL ตรวจสอบให้แน่ใจว่าไฟล์ scripts/init.sql มีคำสั่ง SQL ที่จำเป็นในการตั้งค่าฐานข้อมูลและตารางตามที่อธิบายไว้ก่อนหน้านี้

5. ตั้งค่าเซิร์ฟเวอร์ Redis (จำเป็นสำหรับการสตรีมเว็บเท่านั้น)

จำเป็นต้องใช้ Redis เมื่อใช้ฟังก์ชัน สตรีมมิ่งเว็บ เท่านั้น ทำตามขั้นตอนด้านล่างเพื่อตั้งค่า Redis

สำหรับผู้ใช้อูบุนตู

ติดตั้ง Redis
เปิดเทอร์มินัลแล้วรันคำสั่งต่อไปนี้:
```
 อัปเดต sudo apt
sudo apt ติดตั้งเซิร์ฟเวอร์ redis
```
กำหนดค่า Redis (ไม่บังคับ)
หากคุณต้องการการตั้งค่าแบบกำหนดเอง ให้แก้ไขไฟล์การกำหนดค่า Redis:
```
 sudo vim /etc/redis/redis.conf
```
เพื่อเพิ่มความปลอดภัย ให้เปิดใช้งานการป้องกันด้วยรหัสผ่านโดยเพิ่มหรือแก้ไขบรรทัดต่อไปนี้:
```
requirepass YourStrongPassword
```
แทนที่ YourStrongPassword ด้วยรหัสผ่านที่ปลอดภัย
เริ่มและเปิดใช้งานบริการ Redis
เริ่มบริการ Redis:
```
 sudo systemctl เริ่ม redis.service
```
เปิดใช้งาน Redis เพื่อเริ่มโดยอัตโนมัติเมื่อบู๊ตเครื่อง:
```
 sudo systemctl เปิดใช้งาน redis.service
```

สำหรับระบบปฏิบัติการอื่นๆ

โปรดดูคู่มือการติดตั้ง Redis อย่างเป็นทางการสำหรับคำแนะนำเฉพาะสำหรับระบบปฏิบัติการของคุณ

6. เรียกใช้ API การตรวจจับวัตถุ

เริ่มต้น API การตรวจจับวัตถุด้วยคำสั่งต่อไปนี้:

 ตัวอย่าง uvicorn.YOLO_server.backend.app:sio_app --โฮสต์ 0.0.0.0 --พอร์ต 8001

7. เรียกใช้แอปพลิเคชันหลักด้วยไฟล์การกำหนดค่าเฉพาะ

ใช้คำสั่งต่อไปนี้เพื่อรันแอปพลิเคชันหลักและระบุไฟล์การกำหนดค่า:

 python3 main.py --config config/configuration.json

แทนที่ config/configuration.json ด้วยเส้นทางจริงไปยังไฟล์การกำหนดค่าของคุณ

8. เริ่มบริการเว็บสตรีมมิ่ง

เปิดตัวแบ็กเอนด์

สำหรับผู้ใช้ลินุกซ์

รันคำสั่งต่อไปนี้เพื่อเริ่มบริการแบ็กเอนด์บนระบบ Linux:

 ตัวอย่าง uvicorn.streaming_web.backend.app:sio_app --โฮสต์ 127.0.0.1 --พอร์ต 8002

สำหรับผู้ใช้วินโดวส์

หากต้องการเริ่มบริการแบ็กเอนด์บนระบบ Windows ให้ใช้คำสั่งต่อไปนี้:

 พนักงานเสิร์ฟเสิร์ฟ --host=127.0.0.1 --port=8002 "examples.streaming_web.backend.app:streaming-web-app"

การตั้งค่าส่วนหน้า

โปรดดูคำแนะนำในการปรับใช้ที่ไฟล์ examples/YOLO_server_api/frontend/nginx.conf วางไฟล์เว็บแบบสแตติกในไดเร็กทอรีต่อไปนี้:

examples/YOLO_server_api/frontend/dist

ข้อมูลเพิ่มเติม

บันทึกของระบบมีอยู่ในคอนเทนเนอร์ Docker และสามารถเข้าถึงได้เพื่อวัตถุประสงค์ในการแก้ไขจุดบกพร่อง
รูปภาพเอาต์พุตพร้อมการตรวจจับ (หากเปิดใช้งาน) จะถูกบันทึกไปยังเส้นทางเอาต์พุตที่ระบุ
การแจ้งเตือนจะถูกส่งผ่าน LINE Messaging API ในช่วงเวลาที่กำหนดหากตรวจพบอันตราย

หมายเหตุ

ตรวจสอบให้แน่ใจว่า Dockerfile มีอยู่ในไดเร็กทอรีรากของโปรเจ็กต์และได้รับการกำหนดค่าอย่างเหมาะสมตามความต้องการของแอปพลิเคชันของคุณ

สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการใช้งานและคำสั่ง Docker โปรดดูเอกสารประกอบ Docker

ข้อมูลชุดข้อมูล

ชุดข้อมูลหลักสำหรับการฝึกโมเดลนี้คือชุดข้อมูลภาพความปลอดภัยของสถานที่ก่อสร้างจาก Roboflow เราได้เสริมชุดข้อมูลนี้ด้วยคำอธิบายประกอบเพิ่มเติม และทำให้สามารถเข้าถึงได้อย่างเปิดเผยบน Roboflow สามารถดูชุดข้อมูลที่ปรับปรุงแล้วได้ที่นี่: Construction Hazard Detection บน Roboflow ชุดข้อมูลนี้มีป้ายกำกับต่อไปนี้:

0: 'Hardhat'
1: 'Mask'
2: 'NO-Hardhat'
3: 'NO-Mask'
4: 'NO-Safety Vest'
5: 'Person'
6: 'Safety Cone'
7: 'Safety Vest'
8: 'Machinery'
9: 'Vehicle'

แบบจำลองสำหรับการตรวจจับ

แบบอย่าง	ขนาด ^{(พิกเซล)}	^{มูลค่า} mAP ⁵⁰	^{มูลค่า} mAP ^50-95	พารามิเตอร์ ^(ม)	ฟลอป ^(ข)
โยโล11n	640	58.0	34.2	2.6	6.5
โยโล11	640	70.1	44.8	9.4	21.6
โยโล11ม	640	73.3	42.6	20.1	68.0
โยโล11ล	640	77.3	54.6	25.3	86.9
โยโล11x	640	82.0	61.7	56.9	194.9