Vpliv kvalitete vhodne slike na robustnost in natančnost zaznavanja objektovZalaznik, Jure (Avtor) Logar, Vito (Mentor) zaznavanje objektovYOLO11degradacije slikeGoogle Colabosebna varovalna opremaračunalniški vidZaznavanje objektov je ključna naloga, ki se uporablja v številnih industrijah od avtonomne vožnje do industrijske varnosti, kjer omogoča avtomatski nadzor nošenja osebne varovalne opreme z namenom zagotavljanja večje varnosti pri delu. Modeli, kot je YOLO11 dosegajo visoko natančnost pri zaznavanju objektov na kakovostnih slikah, vendar se zmogljivost bistveno zmanjša, ko so vhodne slike izpostavljene različnim vrstam degradacije. Namen tega dela je sistematično preučiti, kako posamezne vrste slikovnih degradacij vplivajo na zmogljivost modela YOLO11 in na podlagi rezultatov identificirati kritične meje, pri katerih zaznavanje postane nezanesljivo. V teoretičnem delu so predstavljene osnove zaznavanja objektov, arhitektura YOLO11 ter ključne evalvacijske metrike: natančnost, priklic, presek nad unijo (IoU), F1-mera in srednja povprečna natančnost (mAP). Podatkovna množica je bila zasnovana s sedmimi razredi: pet razredov prisotne opreme (čelada, rokavice, obutev, varnostni brezrokavnik, človek) in dva razreda za zaznavanje kršitev (brez čelade, brez rokavic). Takšna razdelitev omogoča ne le zaznavanje varovalne opreme, temveč tudi neposredno identifikacijo kršitev varnostnih pravil. Model YOLO11 je bil treniran na čistih slikah in evalviran na čistih ter umetno degradiranih testnih slikah. Uspešnost modela na čistih slikah je bila ovrednotena z metrikami natančnosti, priklica, F1-mere in mAP, medtem ko je bil vpliv petih vrst degradacij (Gaussov beli šum, impulzni šum, gibalna zameglitev, kompresija JPEG ter sprememba svetlosti in kontrasta) analiziran na podlagi povprečne stopnje zaupanja. Na čistih slikah je model dosegel mAP@0,5 = 0,955, F1-mero 0,92 ter povprečno stopnjo zaupanja 0,63. Analiza robustnosti je pokazala, da je impulzni šum najbolj kritična degradacija, saj pri višjih stopnjah povzroči popolno odpoved zaznavanja. Močan negativen vpliv ima tudi gibalna zameglitev, medtem ko Gaussov beli šum povzroča postopno zmanjševanje zaupanja detekcij z naraščajočo stopnjo degradacije. JPEG kompresija se je izkazala za najmanj škodljivo degradacijo, sprememba svetlosti in kontrasta pa ima na delovanje modela le majhen vpliv. Rezultati potrjujejo primernost modela YOLO11 za avtomatski nadzor nošenja osebne varovalne opreme v industrijskih okoljih. Delo prispeva k boljšemu razumevanju vpliva degradacij na delovanje modela YOLO11, ter poudarja pomen ustrezne pred obdelave slik za zagotavljanje zanesljivega delovanja v realnih okoljih.20262026-09-07 14:05:17Magistrsko delo/naloga186949sl