การพัฒนาเทคนิคการประมวลผลภาพปัญญาประดิษฐ์ด้วย YOLOv8 เพื่อเพิ่มประสิทธิภาพการตรวจจับอุบัติการณ์พนักงานขับรถโฟล์คลิฟท์ ที่คลังสินค้าแห่งหนึ่งในจังหวัดระยอง
Article Sidebar
Main Article Content
บทคัดย่อ
การตรวจจับและการรายงานอุบัติการณ์โดยพนักงานมีปัญหาที่สำคัญ ได้แก่ พนักงานยังขาดการรายงานเหตุการณ์ งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อ (1) ปรับปรุงการประมวลผลภาพของโปรแกรม YOLOv8 ด้วยราสเบอร์รี่พาย 5 ในการตรวจจับเหตุการณ์ที่ไม่พึงประสงค์ (Incidents) ของการขับขี่รถโฟล์คลิฟท์ และ (2) เพื่อเปรียบเทียบจำนวนอุบัติการณ์ที่บันทึกได้ระหว่างก่อนและหลังการใช้โปรแกรม YOLOv8 ที่พัฒนาขึ้น มีกระบวนการปรับปรุง คือ (1) ป้อนชุดข้อมูล (Input Dataset) (2) ฝึกโมเดล (Training Model) มี 2 ชุด คือ ห่างไม่เกิน 1 เมตร และห่างระหว่าง 1-3 เมตร และ (3) อัตราการสุ่ม (Sampling Rate) ที่ร้อยละ 15 ผลการวิจัยพบว่า เทคนิคการประมวลผลภาพ AI มีประสิทธิภาพในการทดสอบความแม่นยำวัตถุ (mean Average Precision: mAP) เฉลี่ยร้อยละ 85.35 ศึกษาอุบัติการณ์ของพนักงานขับรถโฟล์คลิฟท์ เปรียบเทียบจำนวนอุบัติการณ์ที่แตกต่างกันอย่างมีนัยสำคัญทางสถิติ Shapiro-Wilk ก่อนและหลังการใช้ AI ในการตรวจจับเหตุการณ์ที่ไม่พึงประสงค์ที่ระดับนัยสำคัญ (p-value < 0.05) และประเมินความพึงพอใจหลังการใช้เทคนิคดังกล่าวอยู่ในระดับความพึงพอใจมากที่สุด ในด้านของประโยชน์ที่ได้รับเพิ่มมากขึ้น ความเข้ากันได้ และด้านประสิทธิผลในการใช้งานของโปรแกรม YOLOv8 ตามลำดับ
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Journal of Safety and Health is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) licence, unless otherwise stated.
เอกสารอ้างอิง
เจตนันต์ เจือจันทร์. (2562). โครงการวิจัยเรื่องระบบตรวจสอบสถานะอุณหภูมิและความชื้นห้องเซิร์ฟเวอร์ด้วย IoT. มหาวิทยาลัยบูรพา.
ปาณิสรา หาดขุนทด, ภัครพล อาจอาษา และธนากร แสงกุดเลาะ. (2566). การพัฒนาระบบคัดแยกมะขามหวานด้วยเทคนิคการประมวลผลภาพ. วารสารวิทยสารสนเทศและเทคโนโลยี, 4(2), 47-61.
สำนักงานประกันสังคม. (2566). สถิติการประสบอันตรายหรือเจ็บป่วยเนื่องจากการทำงานจำแนกตามความรุนแรงและประเภทกิจการ ปี 2566. สำนักงานงานประกันสังคม.
สุดาว เลิศวิสุทธิไพบูลย์. (2564). เทคโนโลยีปัญญาประดิษฐ์กับงานการยศาสตร์. วารสารความปลอดภัยและสุขภาพ, 14(1), 1-4.
อภิสรา คชรัฐแก้วฟ้า. (2566). การศึกษาผลกระทบจากการยอมรับใช้งานเทคโนโลยีปัญญาประดิษฐ์ (AI) ด้านความพึงพอใจในการทำงานของพนักงานออฟฟิศในประเทศไทย [สารนิพนธ์ปริญญามหาบัณฑิต ไม่ได้ตีพิมพ์]. มหาวิทยาลัยมหิดล.
อัฐพงศ์ สังข์เพ็ชร และวีระ สอิ้ง. (20 เมษายน, 2566). ระบบตรวจนับและจำแนกประเภทยานพาหนะแบบอัติโนมัติ สำหรับถนนในเขตเมือง ด้วยหลักการโครงข่ายแบบคอนโวลูชัน [Paper]. การประชุมวิชาการ วิทยาการข้อมูล ครั้งที่ 3 (Proceeding of the 2023 3rd Data Science Conferencr), มหาวิทยาลัยศรีนครินทร วิโรฒ.
Balakreshnan, B., Richards, G., Nanda, G., Mao, H., Athinarayanan, R., & Zaccaria, J. (2020). PPE compliance detection using artificial intelligence in learning factories. Procedia Manufacturing, 45, 277-282. https://doi.org/10.1016/j.promfg.2020.04.017
El-Helaly, M. (2024). Artificial Intelligence and Occupational Health anSafety, Benefits and Drawbacks. Medicina Del Lavoro, 115(2), e2024014. https://doi.org/10.23749/mdl.v115i2.15835
Fezari, M., & Al-Dahoud, A. (2023, November). Raspberry Pi 5 : The new raspberry Pi family with more computation power and AI integration. ResearchGate, https://www.researchgate.net/publication/375552555
Grover, A. (n.d.). Forklift accident statistics in the U.S. Injury Claim, https://www.injuryclaimcoach.com/forklift-accident-statistics.html.
Isailovic, V., Djapan, M., Savkovic, M., Jovicic, M., Milovanovic, M., Minovic, M., Milosevic, P., & Vukicevic, A. (2021, December 9-10). Compliance of head-mounted personal protective equipment by using YOLOv5 object detector [Paper]. 2021 International Conference on Electrical, Computer and Energy Technologies (ICECET), Cape Town, South Africa. https://doi.org/10.1109/ICECET52533.2021.9698662
Jankovic, P., Protic, M., Jovanovic, L., Bacanin, N., Zivkovic, M., & Kaljevic, J. (2024, May 22-23). YOLOv8 Utilization in Occupational Health and Safety [Paper]. 2024 Zooming Innovation in Consumer Technologies Conference (ZINC), Novi Sad, Serbia. https://doi.org/10.1109/ZINC61849.2024.10579310
Lee, T., Woo, K., Kim, P., & Jung, H. (2023). Design and implementation of industrial accident detection model based on YOLOv4. Applied Sciences (Switzerland), 13(18), 10163. https://doi.org/10.3390/app131810163
Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (n.d.). You only look once: Unified, real-time object detection. Joseph Redmon, http://pjreddie.com/yolo/.
Saurin, T. A., Formoso, C. T., Reck, R. H., Etges, B. M. B. da S., & Ribeiro, J. L. D. (2015). Findings from the analysis of incident-reporting systems of construction companies. Journal of Construction Engineering and Management, 141(10), 05015007. https://doi.org/10.1061/(ASCE)CO.1943-7862.0000988
