工地安全帽配戴方式的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

應用機器學習於工地安全帽偵測之研究

為了解決工地安全帽配戴方式的問題，作者黃國勝 這樣論述：

台灣工安的意識，比起其他先進國家仍然不足，在許多需配戴工地安全帽場合(如建築工地、工廠等等)，不時可以看到工人因一時方便，而沒有配戴工地安全帽。而大多數工安意外的直接原因，大部分都是不安全行為所造成，如遇到公安事故，更可能造成嚴重的傷害。而傳統的管理方式，都是以人為的方式管理，常常因人為管理不周，或是管理階層的人力不足等等因素，造成工人沒有配戴安全帽的狀況時常發生。本論文利用YOLOv4並結合Raspberry Pi 4 Model B來偵測人員有無配戴工地安全帽，達到邊緣運算的目的。為了能夠在Raspberry Pi 4 Model B有限的運算下達成及時的影像辨識，修改了yolov4-t

iny的神經網路結構，並搭配神經網路推理框架NCNN，以提升辨識的FPS(Frame Per Second)。當取得辨識的相關資訊後，可以利用API將資料儲存至資料庫，並將資料呈現到Dashboard頁面，讓管理階層的人員可以及時得知現場工人佩戴工地安全帽的狀況，來強化其管理效果，降低公安事故的發生。本論文在影像辨識後也加入多物件追蹤技術，當YOLOv4偵測到有配戴或無配戴工地安全帽的座標後，將該座標加入陣列，當下一幀也偵測到物件並加入陣列後進行計算，得出每一個物件的編號並標記在輸出影像中。此技術可用在偵測工地的人流計算，或是偵測人員行走的方向。

營建職業災害判斷機制之建構 -應用機器學習及影像辨識技術

為了解決工地安全帽配戴方式的問題，作者張書翰 這樣論述：

營建業每年職業災害傷亡人數甚多，造成人力與財力的損失，因此營建業安全的管理十分重要。制定法規與應用系統化管理，乃是預防職業災害的一個可行途徑。營建勞工經常因個人便利而忽略身處不安全環境應有的作為，疏忽或未確實穿戴好個人防護設備以致發生職業災害。檢視近10 年職業災害發生的類型與受傷部位，發生次數前5 項分別為「指」、「足」、「手」、「腿」、「頭」，其中以「頭」受傷次數最少，但卻是最嚴重的，可見做好頭部防護措施的重要性。隨著科技發展日新月異，藉助機器學習辨識數字形狀或臉部特徵之相關研究與應用陸續問世，如何借助機器學習的強大功能，辨識工地勞工有無配戴安全裝備，進而瞭解勞工是否處於安全狀態，已成為

營建安全管理的重要課題之一。本研究旨在探討機器學習影像辨識模型應用在營建職業災害判斷之可行性。本研究蒐集勞工有無配戴安全設備圖像建置資料庫，同時對圖像進行預處理與標準化，透過改良後的VGG16 模型進行圖像的學習與辨識，藉由分析模型數據，剖析不同數據對模型的影響，並透過混淆矩陣釐清模型成效。研究結果顯示，透過程式語言可快速準確地將所蒐集之圖像進行分類與標準化。藉由VGG16 模型分析預測值與真實值不一致的程度及準確率，依照模型擬合程度，判斷訓練、驗證的情形。當學習率為0.00005 且批次讀取數量為20 時，模型的擬合度及成效均為最佳（預測準確率98.83%、精確率99.16%、召回率為98.

5%），可準確辨識勞工有無配戴安全設備。故推論機器學習與影像辨識，應用在協助營建業可能發生職業災害的判斷，係屬可行。