Visión artificial en la gestión y apoyo a la seguridad de los trabajadores
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...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | tesis doctoral |
| Lenguaje: | Español |
| Publicado: |
2021
|
| Materias: | |
| Acceso en línea: | https://repositoriodigital.uns.edu.ar/xmlui/handle/123456789/5753 |
| Aporte de: |
| id |
I20-R126123456789-5753 |
|---|---|
| record_format |
dspace |
| institution |
Universidad Nacional del Sur |
| institution_str |
I-20 |
| repository_str |
R-126 |
| collection |
Repositorio Institucional Universidad Nacional del Sur (UNS) |
| language |
Español |
| orig_language_str_mv |
spa |
| topic |
Ingeniería Automatización Ergonomía |
| spellingShingle |
Ingeniería Automatización Ergonomía Massiris Fernández , Manlio Miguel Visión artificial en la gestión y apoyo a la seguridad de los trabajadores |
| topic_facet |
Ingeniería Automatización Ergonomía |
| description |
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. |
| author2 |
Delrieux, Claudio Augusto |
| author_facet |
Delrieux, Claudio Augusto Massiris Fernández , Manlio Miguel |
| format |
tesis doctoral |
| author |
Massiris Fernández , Manlio Miguel |
| author_sort |
Massiris Fernández , Manlio Miguel |
| title |
Visión artificial en la gestión y apoyo a la seguridad de los trabajadores |
| title_short |
Visión artificial en la gestión y apoyo a la seguridad de los trabajadores |
| title_full |
Visión artificial en la gestión y apoyo a la seguridad de los trabajadores |
| title_fullStr |
Visión artificial en la gestión y apoyo a la seguridad de los trabajadores |
| title_full_unstemmed |
Visión artificial en la gestión y apoyo a la seguridad de los trabajadores |
| title_sort |
visión artificial en la gestión y apoyo a la seguridad de los trabajadores |
| publishDate |
2021 |
| url |
https://repositoriodigital.uns.edu.ar/xmlui/handle/123456789/5753 |
| work_keys_str_mv |
AT massirisfernandezmanliomiguel visionartificialenlagestionyapoyoalaseguridaddelostrabajadores |
| bdutipo_str |
Repositorios |
| _version_ |
1764820505755385860 |