IBDPLab/factory-safety-isaac-yolo

factory-safety-isaac YOLO weights

English | 한국어

YOLO weights for factory-safety-isaac — a body-camera-only factory safety agent built on NVIDIA Isaac Sim. These are the two trained detection models the project uses; no other model files are hosted here (MediaPipe's hand landmarker and the Qwen2.5-7B LLM are pulled from their own upstream sources at first run, see the project README).

Files

File	Model	Classes	mAP50	mAP50-95	Precision	Recall
warehouse_v3/best.pt	YOLO26s, 960px	19 (hazard/safe states, 8 tool types, cart, worker, cone, danger sign)	0.898	0.689	0.920	0.827
pinch_v1/best.pt	YOLO, 1-class lightweight	pinch_point (conveyor pinch-point detector)	0.966	0.760	0.983	0.910

warehouse_v3 per-class mAP50

spill 0.920 · spill_marked 0.937 · stack_unstable 0.957 · stack_stable 0.960 · ext_fallen 0.907 · ext_blocked 0.909 · ext_ok 0.938 · worker 0.950 · cone 0.976 · danger_sign 0.950 · hammer 0.862 · screwdriver 0.828 · saw 0.806 · power_saw 0.901 · pickaxe 0.845 · shovel 0.819 · wrench 0.887 · drill 0.915 · cart 0.794

Trained on 7,700 synthetic images generated in Isaac Sim (Replicator auto-labeling), 70% bodycam / 30% free-viewpoint.

Usage

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

path = hf_hub_download("IBDPLab/factory-safety-isaac-yolo", "warehouse_v3/best.pt")
model = YOLO(path)

Or with the project's own scripts (scripts/run_patrol.py --weights <path>, scripts/run_patrol.py --pinch-weights <path>).

License / provenance

Trained entirely on synthetic data (NVIDIA Isaac Sim warehouse assets + Poly Haven CC0 tool scans). See the main repository for full training/data-generation details and limitations (real-photo generalization has not been fine-tuned).

---

한국어

factory-safety-isaac용 YOLO 가중치입니다. factory-safety-isaac은 NVIDIA Isaac Sim 기반으로 구축한, 바디캠 영상만 사용하는 공장 안전 에이전트입니다. 이 저장소에는 프로젝트에서 사용하는 학습된 탐지 모델 2종만 올라가 있습니다. MediaPipe 손 랜드마크 모델과 Qwen2.5-7B LLM은 최초 실행 시 각 원본 출처에서 내려받습니다(프로젝트 README 참고).

파일

파일	모델	클래스	mAP50	mAP50-95	Precision	Recall
warehouse_v3/best.pt	YOLO26s, 960px	19개 (위험/안전 상태, 공구 8종, 카트, 작업자, 라바콘, 위험 표지판)	0.898	0.689	0.920	0.827
pinch_v1/best.pt	YOLO, 단일 클래스 경량 모델	pinch_point (컨베이어 끼임 지점 탐지)	0.966	0.760	0.983	0.910

warehouse_v3 클래스별 mAP50

spill 0.920 · spill_marked 0.937 · stack_unstable 0.957 · stack_stable 0.960 · ext_fallen 0.907 · ext_blocked 0.909 · ext_ok 0.938 · worker 0.950 · cone 0.976 · danger_sign 0.950 · hammer 0.862 · screwdriver 0.828 · saw 0.806 · power_saw 0.901 · pickaxe 0.845 · shovel 0.819 · wrench 0.887 · drill 0.915 · cart 0.794

Isaac Sim에서 생성한 합성 이미지 7,700장(Replicator 자동 라벨링)으로 학습했습니다. 시점 구성은 바디캠 70%, 자유 시점 30%입니다.

사용법

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

path = hf_hub_download("IBDPLab/factory-safety-isaac-yolo", "warehouse_v3/best.pt")
model = YOLO(path)

프로젝트 자체 스크립트로도 사용할 수 있습니다: scripts/run_patrol.py --weights <경로>, scripts/run_patrol.py --pinch-weights <경로>

라이선스 / 데이터 출처

전량 합성 데이터(NVIDIA Isaac Sim 창고 에셋 + Poly Haven CC0 공구 스캔)로 학습했습니다. 학습·데이터 생성 세부 사항과 한계는 메인 저장소를 참고하세요. 실사 이미지에 대한 파인튜닝은 아직 진행하지 않았으므로, 실제 환경에서의 일반화 성능은 검증되지 않았습니다.