Работа посвящена повышению уровня безопасности на промышленных предприятиях за счет автоматизации контроля использования средств индивидуальной защиты (СИЗ). Несоблюдение правил ношения СИЗ - ключевая причина производственного травматизма. Цель исследования - определить наиболее эффективную нейросетевую модель для детектирования СИЗ, сочетающую высокую точность и скорость. Проведен сравнительный анализ моделей YOLOv8s, YOLOv8m, Faster R-CNN+FPN и SSD300 VGG16 на специально созданном наборе данных, имитирующем реальные условия промышленного предприятия (различное освещение, ракурсы, частичное перекрытие СИЗ). Модели оценивались по метрикам mAP (mean Average Precision), FPS (кадров в секунду). В результате экспериментов модель YOLOv8 показали наилучший баланс между точностью и производительностью, превзойдя Faster R-CNN+FPN и SSD300 VGG16. Результаты демонстрируют высокую эффективность применения YOLOv8 для автоматизированного контроля СИЗ и повышения безопасности труда.