İnşaat sahasında baret kullanımının derin öğrenme yöntemleri ile otomatik tespiti
Automatic detection of helmet usage in the construction site with deep learning methods
- Tez No: 747674
- Danışmanlar: DR. ÖĞR. ÜYESİ HASAN BASRİ BAŞAĞA
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Türkiye'de çalışanların sağlık ve güvenliğini korumak için yürürlükte olan kanun 6331 sayılı İş Sağlığı ve Güvenliği Kanunu'dur. İşyerinin bu Kanun kapsamında alacağı tedbirler toplu koruma tedbirleri ile başlar. Ancak iş kalemlerinin çeşitliliği ve şantiyelerde uygulanabilirliğinin zorluğu nedeniyle işçiler genellikle farklı bölgelerde ve dağınık yerleşimlerde bireysel olarak çalışmak zorunda kalmaktadır. Bu nedenle kişisel koruyucu donanım kullanımı ile çalışanların korunması gerekliliği ortaya çıkmaktadır. Kişisel koruyucu donanımlardan biri olan baretin, tehlikeli çalışma alanlarında çalışanları olası felaketlerden korumak amacıyla işçiler tarafından kullanımı yasal zorunluluktur. Aynı şekilde bu kanuna göre işveren de, çalışanlarına verilen baretlerin takılı olup olmadığını takip etmek ve takmayanları uyarmak zorundadır. Ancak büyük ve dağınık şantiyeler, çalışanların takibini zorlaştırmaktadır. Gelişen teknoloji sayesinde otomasyon sistemleri bu tür takipler için uygundur. Bu çalışmada, derin öğrenmeye dayalı olarak çalışanların inşaat sahalarında baret takıp takmadığı tespit edilmiştir. Bu amaçla, derin öğrenme temelli görüntü sınıflandırma yöntemi ve görüntü segmentasyonu yöntemi olmak üzere iki farklı çözüm izlenmiştir. Çalışmada baret tespiti, çalışanların tüm vücut bütünlükleri ve sadece başları referans alınarak farklı analizlerle çeşitlendirilmiştir. Elde edilen çıktılar karşılaştırılarak değerlendirildiğinde çalışanların sadece başlarına odaklanan analizlerin daha başarılı olduğu görülmüştür. İzlenen iki yöntemden görüntü segmentasyonu yöntemi daha verimli bulunmuştur.
Özet (Çeviri)
The law in force in Turkey to protect the health and safety of employees is the Act No. 6331 on Occupational Health and Safety. The measures to be taken by the workplace within the scope of this law begin with collective protection measures. However, due to the diversity of work items and the difficulty of applicability on construction sites, workers often have to work individually in different regions and dispersed settlement. For this reason, the necessity of protecting employees with the use of personal protective equipment arises. Helmet, which is one of the personal protective equipment, must be used legally by the workers in order to protect the workers from possible disasters in dangerous work areas. Similarly, according to this law, the employer has to monitor whether the helmets given to the employees are worn and warn those who do not. However, the large and dispersed construction sites make it difficult to follow-up employees. Thanks to the developing technology, automation systems are suitable for such follow-ups. In this study, it was determined whether the employees wear helmets or not, based on deep learning. For this purpose, two different solutions were followed, namely the deep learning-based image classification method and the image segmentation method. In the study, helmet detection was diversified with different analyzes by taking the whole body integrity of the employees and only their heads as a reference. When the outputs obtained were evaluated by comparing, it was seen that the analyzes focusing only on the heads of the employees were more successful. The image segmentation method was found to be more efficient among the two methods followed.
Benzer Tezler
- Kahramanmaraş (Şekeroba) baritinin ağır beton tasarımında paketleme modeliyle değerlendirilmesi
Evaluation of Kahramanmaras (Sekeroba) barites for heavyweight concrete mixture design by packing model
BATUHAN GÜREŞ
Yüksek Lisans
Türkçe
2018
Jeoloji Mühendisliğiİstanbul Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. YILMAZ MAHMUTOĞLU
PROF. DR. YILMAZ AKKAYA
- İki yönlü statik yükleme deneyi ve nümerik analizlerle kazık davranışının incelenmesi
Investigation of pile behaviour with bidirectional static loading test and numerical analysis
ONUR YANKI
Yüksek Lisans
Türkçe
2015
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. RECEP İYİSAN
- Kazık taşıma gücünün kazık yükleme testi ve statik formüller vasıtası ile tayini ve değerlendirmesi
Determining and evaluating the pile bearing capacity via static pile load test and statical formulas
MİTHAT ERKAM DEMİR
Yüksek Lisans
Türkçe
2018
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSAFFA AYŞEN LAV
- Korkuteli'nin beşeri ve ekonomik coğrafyası
The human and economic geography of Korkuteli
İBRAHİM CAN
Yüksek Lisans
Türkçe
2009
CoğrafyaSelçuk ÜniversitesiCoğrafya Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. ADNAN DOĞAN BULDUR
- Yüksek sıcaklığa maruz kalan barit agregalı çimento ve alkali aktive harçların gama ışını soğurma özelliklerine kolemanitin etkisi
The effect of colomanite on the gamma ray attenuation properties of barite aggregate cement and alkali-actived mortars exposed to high temperature
SÜREYYA KÖK
Yüksek Lisans
Türkçe
2021
İnşaat MühendisliğiBayburt Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. HACI SÜLEYMAN GÖKÇE