DEVELOPMENT OF COVID-19 SCREENING SYSTEM FOR ENTERING THE WORKPLACE USING DEEP NEURAL NETWORK
Keywords:
Covid-19, Face mask detection, Deep neural networkAbstract
People entering the workplace should be screened for COVID-19 by having their masks checked, their body temperatures taken, and their hand hygiene kept with alcohol gel. In order to detect mask wearing, this study applied image processing and a deep learning neural network using a Raspberry Pi board as a technology for preliminary assessments. A wireless temperature sensor and spoken instructions were also used to display the body temperature on an LCD panel. When someone passed the mask-wearing inspection, the system alerted them to use the gel dispenser, which was turned on by a servo motor instruction and a palm detecting ultrasonic sensor. The gate barrier would open to provide entrance to the service once the screening was complete. The computer algorithm used in this study achieved a 97.2% accuracy rate in detecting masks. The effectiveness of the workplace screening system was 21.54 seconds per person. It was found that the system could be used to screen people entering the workplace.
References
ณัฐวดี หงส์บุญมี, และคณิน ประทุมทอง. (2563). ระบบวิเคราะห์ธนบัตรปลอมด้วยภาพถ่ายผ่านสมาร์ทโฟนโดยใช้เทคนิคการเรียนรู้เชิงลึก. Journal of Information Science and Technology, 10(2), 90-100.
พิมพา ชีวาประกอบกิจ. (2562). การปรับปรุงประสิทธิภาพในการจำแนกภาพด้วยโครงข่ายประสาทเทียมแบบคอนโวลูชันโดยใช้เทคนิคการเพิ่มภาพ. Journal of Engineering and Technology, 7(1), 59 – 64.
ราเมศวร์ ด้วงรักษา, อำนวย ดีฤทธิ์, ธนิรัตน์ ยอดดำเนิน และภูมินทร์ ตันอุตม์. (2564, กุมภาพันธ์). การตรวจจับการสวมหน้ากากอนามัยโดยประยุกต์ใช้โครงข่ายประสาทเทียมเชิงลึกและโครงข่ายประสาทเทียมแบบคอนโวลูชัน. รายงานสืบเนื่องการประชุมวิชาการระดับชาติ ครั้งที่ 1, มหาวิทยาลัยราชภัฏกำแพงเพชร, 671-680.
สยมพร ศิรินาวิน. (2563). “โควิด-19” ความรู้ สู่ปัญญา พัฒนาการปฏิบัติ. นนทบุรี: บริษัท โอ เอส พริ้นติ้ง เฮ้าส์ จำกัด.
อนุชา ดีผาง, และนิติคม อริยพิมพ์. (2564). การออกแบบและสร้างเครื่องจ่ายเจลแอลกอฮอล์แบบอัตโนมัติ. วารสารวิจัยและนวัตกรรมการอาชีวศึกษา, 5(1), 120 – 126.
Albertus, J. S., & Raymond, E. S. (2022). Automatic Face Mask Detection Based on MobileNet V2 and Densenet 121 Models. ICIC International, 16(4), 433-440.
Pavan, N. A., Janardhan, G., Deepak, S., & Pujith, S. P. (2021). Smart Door/COVID-19 Face Mask Detection. International Journal of Innovation Technology and Exploring Engineering, 10.
Rizki, P. S., & Esmeralda, C. D. (2021, September). Face Mask Detection using Convolutional Neural Network. IC2IE, International Conference on Computer and Information Engineering 4th, Depok, Indonesia.
Shabir, H., Yang, Y., Muhammad, A., Akmal, K., Rukhshanda, R., Junaid, A. W., & Weiyan, H. (2021). IoT and Deep Learning Based Approach for Rapid Screening and Face Mask Detection for Infection Spread Control of COVID-19. Applied Sciences, 11(8). 3495.
Shivam, S., Shikhar, M., & Chitra, N. (2021). Face Mask Detection using Mobilenet Technique. Journal of Computer Applications. 183(13)ม 36-40.
Sufia, J. B. S. A., Hu, N., Timothy, T. V. Y., Hau, L. T., Vik, T. G., & Dong, T. C. (2022, January). Face Mask Detection Using Deep Learning. Proceedings of the International Conference on Computer, Information Technology and Intelligent Computing, Coimbatore, India.
Trvambak, H., Santhosh, K., & Chakradhara, R. (2022). Real Time Face Mask Detection Using MobileNet V2. Journal of Emerging Technologies and Innovative Research, 10(6), c85-c87.
Vatsal, P, & Dhruti, P. (2021). Face Mask Recognition Using MobileNet V2. International Journal of Scientific Research in Computer Science, Engineering and Information Technology, 26, 35-42. Doi: 10.32628/CSEIT1217519
