Ormancılık operasyonlarında baret kullanımının derin öğrenme yöntemleri ile tespiti
Detection of helmet use in forestry operations using deep learning methods
- Tez No: 1023811
- Danışmanlar: PROF. DR. ERHAN ÇALIŞKAN
- Tez Türü: Yüksek Lisans
- Konular: Ormancılık ve Orman Mühendisliği, Forestry and Forest Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Orman Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ormancılık faaliyetlerindeki zorlu arazi koşulları nedeniyle, iş sağlığı ve güvenliği kritik bir gerekliliktir. Bu çalışma, ormancılık faaliyetlerinde iş sağlığı ve güvenliğini (İSG) iyileştirme amacıyla, derin öğrenme tabanlı görüntü işleme yöntemlerini kullanarak saha personelinin varlığını ve kişisel koruyucu ekipman (baret) kullanımını otomatik olarak tespit etmeyi amaçlamaktadır. Çalışma kapsamında, en güncel nesne algılama algoritmalarından ikisi olan Faster R-CNN ve YOLOv8 (s ve xl varyantları) modellerinin performansı, orman sahası koşullarında karşılaştırmalı olarak analiz edilmiştir. Bulgular, her iki mimarinin de yüksek doğrulukla çalıştığını göstermektedir. Faster R-CNN modeli, hassasiyet, geri çağırma ve F1 puanı metriklerinde en yüksek değerlere ulaşırken; YOLOv8xl modeli, özellikle [email protected]:0.95 metriğindeki başarısıyla, farklı güven eşiklerinde nesne yerelleştirme ve genelleme konusunda üstün performans sergilemiştir. Operasyonel açıdan bakıldığında, yüksek işlem hızı avantajı nedeniyle YOLOv8xl modeli gerçek zamanlı saha izleme ve acil müdahale gerektiren senaryolar için önerilirken, Faster R-CNN modeli yüksek doğruluk gerektiren detaylı ofis analizleri için önerilmektedir. Sonuç olarak, derin öğrenme tabanlı modeller, ormancılıkta iş sağlığı ve güvenliği süreçlerinin iyileştirilmesine katkıda bulunmaktadır. Gelecekteki çalışmaların, veri setini farklı hava ve aydınlatma koşullarını içerecek şekilde genişletmesi ve sistemi diğer koruyucu ekipmanları da kapsayacak şekilde geliştirmesi önerilmektedir.
Özet (Çeviri)
Due to the challenging terrain conditions in forestry operations, occupational health and safety (OHS) is a critical requirement. This study aims to automatically detect the presence of field personnel and the use of personal protective equipment (helmet) in forestry operations by using deep learning-based image processing methods to improve occupational health and safety practices. Within the scope of the study, the performance of two state-of-the-art object detection algorithms, Faster R-CNN and YOLOv8 (s and xl variants), was comparatively analyzed under forest field conditions. The findings showed that both architectures achieved high accuracy rates. While the Faster R-CNN model reached the highest values in terms of precision, recall, and F1-score metrics, the YOLOv8xl model demonstrated superior performance in object localization and generalization across different confidence thresholds, particularly with its success in the [email protected]:0.95 metric. From an operational perspective, the YOLOv8xl model is recommended for real-time field monitoring and emergency response scenarios due to its high processing speed, whereas the Faster R-CNN model is recommended for detailed office-based analyses requiring higher accuracy. As a result, deep learning-based models contribute to the improvement of occupational health and safety processes in forestry. Future studies are recommended to expand the dataset to include different weather and lighting conditions and to further develop the system to cover other types of protective equipment.
Benzer Tezler
- Odun üretim işlerinde kullanılan zaman ölçüm metotları ve araçlarının değerlendirilmesi
Assessment of time measurement methods and tools used in forest harvesting
YASİN KURT
Yüksek Lisans
Türkçe
2019
Ormancılık ve Orman MühendisliğiIsparta Uygulamalı Bilimler ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET EKER
- Odun üretim sürecinde kesme ve bölmeden çıkarma operasyonlarına yönelik zaman etüdü çalışmalarının değerlendirilmesi
Literatur review of the time studies for logging operations in wood production process
KERİM EMRE KILIÇ
Yüksek Lisans
Türkçe
2025
Ormancılık ve Orman MühendisliğiIsparta Uygulamalı Bilimler ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. MEHMET EKER
- Odun hammaddesi üretim operasyonlarında kullanılan teknolojinin enerji tüketimi, emisyon ve gürültü etkilerinin incelenmesi
Investigation on the energy consumption, emission, and noise impacts of harvesting operation technology
YUNUS EMRE ÖNAL
Yüksek Lisans
Türkçe
2013
Ormancılık ve Orman MühendisliğiSüleyman Demirel ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET EKER
- Orman yangınlarında helikopter bambi (Su kovası) operasyonlarında yangın baskılama ve geciktirme için kullanılan mayilerin etkilerinin incelenmesi
Investigation of the effects of liquids used for fire suppression and delay in helicopter bambi (Water bucket) operations in forest fires
ŞABAN YILMAZ
Yüksek Lisans
Türkçe
2024
Makine MühendisliğiSakarya ÜniversitesiYangın ve Yangın Güvenliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN COŞKUN
- Dağlık arazide kalın çaplı odun hammaddesinin bölmeden çıkarılmasında oluk sistemi uygulanmasının ekonomik ve ekolojik açıdan değerlendirilmesi
Economic and ecological evaluation of chute system in extracting large size logs in mountainous regions
GÖKHAN ZARİFOĞLU
Yüksek Lisans
Türkçe
2014
Ormancılık ve Orman MühendisliğiKahramanmaraş Sütçü İmam ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH EMİN AKAY
YRD. DOÇ. DR. NURİ BOZALİ