Detección de mascarillas mediante el uso de YOLOv5

Abstract

La enfermedad COVID-19 provocó un abrupto cambio en nuestras vidas, obligándonos a introducir una nueva variable en nuestras vidas con la intención de minimizar los contagios, la mascarilla; que hoy en día se resiste a salir de ella. Con la finalidad de controlar el uso correcto de la mascarilla, este trabajo busca conseguir una detección multi-objeto de imágenes, con posibilidad de hacerlo en tiempo real, haciendo uso del algoritmo YOLOv5, que es una excelente opción para esta tarea, ya que es capaz de detectar múltiples objetos en tiempo real con alta precisión. Para lograr una detección precisa de la mascarilla, se utilizan imágenes divididas en tres clases: uso correcto, uso incorrecto y no uso de mascarilla. Todo esto ayudado por herramientas como Roboflow y Weights&Biases. Roboflow ayuda a organizar y etiquetar las imágenes de entrenamiento de manera eficiente, mientras que Weights&Biases proporciona una plataforma de seguimiento y análisis de modelos de aprendizaje automático en tiempo real. En resumen, la detección multi-objeto de imágenes con el algoritmo YOLOv5 puede ser una herramienta valiosa para controlar el uso correcto de la mascarilla y reducir la propagación de enfermedades como COVID-19, lo que lo convierte en una solución potencialmente efectiva para mantener la seguridad en lugares públicos.

The COVID-19 disease caused an abrupt change in our lives, forcing us to introduce a new variable in our lives with the intention of minimizing infections, the mask; which nowadays resists to get out of it. In order to control the correct use of the mask, this work seeks to achieve a multi-object detection of images, with the possibility of doing it in real time, making use of the YOLOv5 algorithm, which is an excellent option for this task, since it is capable of detecting multiple objects in real time with high accuracy. To achieve an accurate detection of the mask, images divided into three classes are used: correct use, incorrect use and non-use of the mask. This is aided by tools such as Roboflow and Weights&Biases. Roboflow helps to organize and label the training images efficiently, while Weights&Biases provides a real-time machine learning model tracking and analysis platform. In summary, multi-object detection of images with the YOLOv5 algorithm can be a valuable tool for monitoring correct facemask use and reducing the spread of diseases such as COVID-19, making it a potentially effective solution for maintaining safety in public places.