PDU APD Detection YOLO11s

Модель детекции объектов на базе Ultralytics YOLO11s от Akmal Manggala Putra (Kelompok 6 PMLD, TRPL Sekolah Vokasi UGM). Обучена находить 4 компонента СИЗ на записях CCTV буровой установки Parama Data Unit: каску, перчатки, очки и ботинки. Архитектура — YOLO11s с Surgical Anti-Regression и заморозкой backbone на 10 слоёв.

🔍 Ключевые особенности

• 🔍 Классы: helm (каска), glove (перчатки), kacamata (очки), sepatu (ботинки).
• ⚙ Ultralytics YOLO11s: Surgical Anti-Regression, freeze backbone 10 слоёв.
• 🗂 Гибридный датасет: Roboflow PPE, реальные CCTV PDU, hard-negative по трубам/ротору и очкам.
• 🎯 mAP@50 — 92,60%, mAP@50–95 — 58,20% на master test set.
• 📡 Inference latency: 40–55 ms на CPU и <15 ms на GPU.

💻 Пример

from ultralytics import YOLO

model = YOLO("best_yolo11s_pdu.pt")
results = model.predict("foto_pekerja.jpg", conf=0.25, imgsz=800)
for box in results[0].boxes:
    cls_id = int(box.cls[0].item())
    print(model.names[cls_id], float(box.conf[0].item()))
results[0].save("hasil_deteksi.jpg")

Подробнее

Master test set: 73 изображения, 462 инстанса. mAP@50 — 92,60%; mAP@50–95 — 58,20%; Precision — 91,60%, Recall — 91,10%.
По классам: helm — 99,50%, glove — 93,10%, sepatu — 92,50%, kacamata — 85,40%.
Latency: 40–55 ms CPU, <15 ms GPU. Модель заточена под CCTV буровой PDU; VRAM в карточке не указан.