01La prueba
Usé el conjunto público Hard Hat Workers: 5.000 fotos de obras y faenas con cada cabeza marcada a mano como "con casco" o "sin casco" (licencia CC0). En 18,4 % de las fotos hay al menos una persona sin casco.
Separé 200 fotos de prueba, mitad con infracción y mitad sin, que ningún modelo vio antes. Comparé dos caminos:
Modelos de visión sin entrenarModelos de NVIDIA que reciben la foto y una instrucción: "cuenta las personas con y sin casco". Cero fotos etiquetadas, listos el primer día.
Clasificador entrenadoUn modelo de NVIDIA convierte cada imagen en un vector numérico y una regresión logística aprende de 300 fotos etiquetadas. Barato de entrenar, pero hay que etiquetar.
De la prueba al producto: con lo aprendido aquí construí Vigía EPP, un detector propio que corre en el celular o en el equipo de la faena, sin nube. Pruébalo con tu cámara.
02Resultados en las 200 fotos de prueba
| Modelo | Tipo | Infracciones detectadas | Falsas alarmas | Acierto | Error de conteo | Tiempo por foto |
|---|
¿Cuánto trabajo le ahorra al equipo de seguridad?Estrategia: la IA revisa todas las fotos y una persona solo mira las que la IA marca. Las tasas vienen de la prueba; el volumen y los minutos son tuyos.
Fotos que mira una persona
Horas ahorradas por día
Infracciones que se escapan
03¿Cuántas fotos hay que etiquetar?
El clasificador entrenado trabaja mejor persona por persona: se le muestra el recorte de cada cabeza y decide si lleva casco. La curva muestra el acierto en las 1.316 cabezas de prueba según cuántos recortes etiquetados se usaron para entrenar.
Acierto por persona según ejemplos etiquetadosPromedio de 5 repeticiones con muestras al azar. Los recortes salen de las cajas marcadas a mano: equivale a tener un detector de cabezas perfecto.
04Casos que enseñan
Fotos pixeladas para proteger la identidad de las personas. Recuadro verde: casco según el etiquetado manual. Rojo: sin casco.
05Qué significa para una operación
Método, código y fuentes
- Datos: Hard Hat Workers (5.000 imágenes, 3 clases, licencia CC0), originalmente publicado por Make ML. Prueba: 100 fotos con infracción y 100 sin, elegidas al azar con semilla fija. Entrenamiento: otras 300 fotos.
- Modelos: endpoints de build.nvidia.com consultados con temperatura 0 y la misma instrucción para todos. Vectores de imagen con
nvidia/llama-nemotron-embed-vl-1b-v2. Clasificador: regresión logística de scikit-learn. - Los tiempos son de los endpoints gratuitos de prototipo, con su cola y sus límites. En producción se despliegan los mismos modelos en servidor propio o con licencia, y los tiempos cambian.
- Revisé a mano las 25 falsas alarmas del modelo grande. En 3 hay personas sin casco claramente visibles que el etiquetado original no marcó.
- Código completo, sin claves: GitHub.