摘要
本系统评价研究了计算机视觉技术在工业环境中自动监测个人防护装备合规性方面的应用。该评价遵循PRISMA 2020指南，涵盖了2010年至2026年2月24日期间发表的研究成果。文章对基于深度学习的物体检测模型进行了系统性分析，重点探讨了不同版本的YOLO算法、Faster R-CNN之类的两阶段检测器，以及新兴的基于Transformer和视觉-语言模型的技术。研究对比了这些模型的有效性、所报告的性能指标以及数据集特征，还包括其在实际操作条件下的表现。特别关注了在光照变化、遮挡、视角差异、工人移动、计算资源限制以及大规模部署要求等现实场景下性能的波动情况。此外，该评价还分析了所纳入研究的报告质量与偏倚风险，指出了当前的研究趋势、方法学局限性，以及实验室验证与实际应用之间的差距。同时，文章还提出了提升基于计算机视觉的个人防护装备合规性系统的可靠性、成本效益及实用性的未来发展方向。
