> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/french/function-blocks/blocks-reference/ai-blocks/safety-equipment-detection.md).

# Safety Equipment Detection

Ce bloc fonction vérifie la présence d'équipements de sécurité courants sur une image d'entrée et renvoie une image annotée ainsi que des comptes par classe. Il est conçu pour des flux d'inspection visuelle où les casques, gilets, lunettes et gants doivent être détectés et comptés.

## 📥 Entrées <a href="#inputs" id="inputs"></a>

`Image`\
Fournissez l'image à analyser (images individuelles, images issues d'un flux ou images chargées).

## 📤 Sorties <a href="#outputs" id="outputs"></a>

`Output Image`\
Image annotée avec les détections dessinées pour la visualisation.

`Helmet Count`\
Nombre de casques détectés.

`Safety Vest Count`\
Nombre de gilets de sécurité détectés.

`Safety Goggle Count`\
Nombre de lunettes de sécurité détectées.

`Safety Glove Count`\
Nombre de gants de sécurité détectés.

`No Helmet Count`\
Nombre de personnes détectées sans casque.

`No Safety Vest Count`\
Nombre de personnes détectées sans gilet.

`No Safety Goggle Count`\
Nombre de personnes détectées sans lunettes.

`No Safety Glove Count`\
Nombre de personnes détectées sans gants.

## 🕹️ Contrôles <a href="#controls" id="controls"></a>

`Confidence Ratio`\
Ajuste le seuil de confiance pour la détection. Des valeurs élevées rendent la détection plus stricte (moins de faux positifs) ; des valeurs plus faibles augmentent la sensibilité (plus de détections, possiblement plus de faux positifs).

Conseil : commencez autour de 0.7–0.9 et affinez selon votre scène.

## 🎯 Fonctions <a href="#features" id="features"></a>

* Retour visuel en temps réel avec détections annotées sur `Output Image`.
* Comptage par classe pour la présence et l'absence des équipements requis.
* Seuil de confiance ajustable via `Confidence Ratio` pour s'adapter aux conditions d'éclairage et de scène.
* Conçu pour fonctionner avec des images issues d'une caméra en direct ou des images préenregistrées.

## ⚙️ Mode de fonctionnement <a href="#running-mechanism" id="running-mechanism"></a>

Lorsqu'une image est fournie à l'entrée `Image`, le bloc analyse l'image, marque visuellement les éléments de sécurité détectés sur l'`Output Image` et renvoie des comptes numériques pour chaque classe. Le bloc peut nécessiter un court temps de chargement lors du premier lancement (préparation du modèle), puis traite les images de façon continue au fur et à mesure de leur arrivée.

## 📝 Instructions d'utilisation <a href="#usage" id="usage"></a>

1. Fournissez une source d'image à l'entrée `Image` (flux caméra en direct ou image chargée).
2. Ajustez `Confidence Ratio` selon votre scène (éclairage, échelle, occultations).
3. Utilisez l'`Output Image` annotée pour confirmer visuellement les détections et lisez les sorties numériques pour l'automatisation ou la journalisation.

## 💡 Astuces et conseils <a href="#tips-and-tricks" id="tips-and-tricks"></a>

* Combinez avec des entrées caméra en direct pour une surveillance continue : par exemple `Camera USB`, `Camera IP` ou `Stream Reader`.
* Pour visualiser et inspecter les images, connectez la sortie visuelle à `Show Image` et utilisez le visualiseur `See Image`.
* Réduisez les faux positifs en recadrant la zone d'intérêt avec `Image ROI Select` avant d'alimenter ce bloc.
* Accélérez le traitement lorsque la résolution complète n'est pas nécessaire en ajoutant `Image Resizer` en amont.
* Améliorez la présentation à l'écran en superposant ou en mettant en évidence les boîtes de détection avec `Draw Detections`.
* Pour les flux multi-images, combinez avec le suivi : envoyez les sorties de détection (rectangles / classes) vers `Object_Detection_Tracker` pour conserver des ID dans le temps et compter les personnes uniques.
* Sauvegardez et exportez les résultats : utilisez `Image Logger` ou `Image Write` pour enregistrer des images, et `CSV Export` ou `Data to JSON` pour stocker les comptes. Pour des alertes en temps réel, intégrez `MQTT Publish` ou `Send Mail`.
* Pour l'analyse de foule ou de distanciation, associez à `Social Distance Detector` ou `Pose Estimation` pour corréler l'utilisation des EPI avec la position ou la posture des personnes.

## 🛠️ Dépannage <a href="#troubleshooting" id="troubleshooting"></a>

* Pas de détections ou trop de faux positifs : ajustez `Confidence Ratio` et réévaluez. Essayez des valeurs entre 0.6 et 0.9.
* Mauvais résultats en basse lumière ou faible contraste : améliorez l'éclairage, utilisez `Contrast Optimization` ou `Denoising` avant ce bloc.
* Détections en dehors de la zone d'intérêt : ajoutez `Image ROI Select` pour limiter la zone de recherche.
* Performance lente : réduisez la taille des images d'entrée avec `Image Resizer` ou diminuez la fréquence d'images en amont. Les performances dépendent aussi du matériel disponible.
* Si le bloc ne répond pas au premier usage, accordez un court temps pour la préparation du modèle (chargement) avant d'attendre des sorties.