PPE-Detection（个人防护装备检测）是一种基于计算机视觉的技术，旨在通过图像或视频自动识别人员是否佩戴必要的安全防护装备，如安全帽、反光衣、护目镜、口罩、手套等。该技术利用深度学习算法（如YOLO、Faster R-CNN）对目标进行实时检测与分类，广泛应用于建筑工地、工厂、医疗场所等高危作业环境，以降低职业安全事故风险。系统可通过摄像头或无人机采集数据，结合目标检测和语义分割技术，精准定位未合规穿戴防护装备的行为，并及时发出预警。当前技术挑战包括复杂场景下的遮挡处理、多尺度目标检测以及跨设备部署优化。随着边缘计算和轻量化模型的发展，PPE-Detection正逐步实现高效、低成本的智能化安全管理。

源模型

• 输入尺寸: 1x3x320x192
• 参数量: 5.92M
• 模型大小: 23.64M
• 输出尺寸：[1x21x40x24],[1x21x20x12],[1x21x10x6]

源模型工程请访问：PPE-Detection

在右侧性能参考板块中点击模型转换参考查看模型转换步骤

Model Farm 所提供的模型性能基准测试以及示例代码皆基于阿加犀AidLite SDK实现

SDK安装

详情请参考AidLite开发者文档

• 安装AidLite SDK

# install aidlite sdk c++ api
sudo aid-pkg -i aidlite-sdk

# install aidlite sdk python api
python3 -m pip install pyaidlite -i https://mirrors.aidlux.com --trusted-host mirrors.aidlux.com

• 验证AidLite SDK

# aidlite sdk c++ check
python3 -c "import aidlite; print(aidlite.get_library_version())"

# aidlite sdk python check
python3 -c "import aidlite; print(aidlite.get_py_library_version())"

推理示例代码

• 点击模型 & 代码下载模型文件和推理代码包，文件结构如下

/model_farm_{model_name}_aidlite
    
    |__ models # folder where model files are stored

    |__ python # aidlite python model inference example

    |__ cpp # aidlite cpp model inference example

    |__ README.md