Deteksi Berbasis Vision untuk Helm dan Kacamata Safety Pada Pekerja di Workshop CNC dan Piping

Abstract

Keselamatan kerja sangat penting dalam lingkungan industri, terutama di workshop dengan mesin CNC dan sistem pipa. Kecelakaan serius bisa terjadi jika pekerja tidak mematuhi aturan keselamatan, seperti menggunakan helm dan kacamata safety. Penelitian ini mengusulkan sistem deteksi otomatis menggunakan YOLOv5 untuk menentukan apakah pekerja telah mematuhi peraturan tersebut. YOLOv5 dipilih karena kemampuannya dalam deteksi objek secara real-time dengan tingkat akurasi yang tinggi. Dataset dilatih dengan gambar dari dengan jumlah dataset sebanyak 4.732 yang sudah diberi label pada platform. roboflow sesungguhnya untuk menguji dan mengevaluasi sistem yang diusulkan. Hasil eksperimen menunjukkan bahwa sistem ini dapat mengenali keberadaan helm dan kacamata safety dengan tingkat akurasi yang memuaskan sekitar sebesar 0.91, yang dapat secara signifikan meningkatkan kesadaran dan kepatuhan terhadap aturan keselamatan di lingkungan industri.