OpenPathAI/YOLO-detection-safety-equipment

Model ini adalah model Object Detection berbasis arsitektur YOLOv8 yang dikembangkan oleh OpenPathAI untuk mendeteksi pakaian dan peralatan keselamatan (Personal Protective Equipment / PPE) di lingkungan proyek dan konstruksi.

Model ini bertujuan untuk membantu otomatisasi pengawasan Keselamatan dan Kesehatan Kerja (K3) dengan mengidentifikasi pekerja yang menggunakan atau tidak menggunakan standar peralatan keselamatan secara real-time.

📊 Training Results

Berdasarkan hasil pelatihan selama 50 epoch (seperti yang terlihat pada file results.png), model menunjukkan tren pembelajaran yang sangat baik dan teratur dengan ringkasan metrik evaluasi akhir sebagai berikut:

• Epochs: 50
• Precision (B): ~0.80 (80%)
• Recall (B): ~0.80 (80%)
• mAP@50 (B): ~0.80 (80%)
• mAP@50-95 (B): ~0.42 (42%)

Analisis Loss & Metrik

• Training & Validation Loss: Grafik loss untuk box, classification (cls), dan distribution focal loss (dfl) menunjukkan tren penurunan secara konsisten pada dataset train maupun validation. Hal ini menandakan model dapat menggeneralisasi data dengan baik tanpa mengalami overfitting.
• Metrik Evaluasi: Metrik Precision, Recall, dan mAP50 mengalami peningkatan bertahap dari epoch awal hingga mencapai stabilitas di sekitar angka 80% pada epoch ke-50.

⚠️ Limitations & Future Work

• Ukuran & Presisi Bounding Box (mAP50-95): Skor mAP50-95 berada di angka ~42%, yang menunjukkan bahwa meskipun deteksi objek sudah cukup akurat (mAP50 = 80%), presisi lokasi bounding box pada kriteria IoU yang lebih ketat masih dapat ditingkatkan.
• Rekomendasi Pengembangan: Untuk peningkatan performa di masa mendatang, dapat dilakukan augmentasi data tambahan (misal: penyesuaian pencahayaan, sudut pandang kamera bervariasi, atau pencahayaan minim) serta pengayaan variasi data safety clothing di lapangan.