Geri Dön

Derin öğrenme ve parmak izi yöntemi ile baret kullanan yetkili çalışanların elektrik pano ve trafo erişimlerinin sağlanması

Providing access to the electrical panel and transformer for authorized employees using helmets with deep learning and fingerprint method

  1. Tez No: 784814
  2. Yazar: OYA ASLAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ RÜŞTÜ UÇAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Çalışma Ekonomisi ve Endüstri İlişkileri, Labour Economics and Industrial Relations
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Üsküdar Üniversitesi
  10. Enstitü: Sağlık Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İş Sağlığı ve Güvenliği Ana Bilim Dalı
  12. Bilim Dalı: İş Sağlığı ve Güvenliği Bilim Dalı
  13. Sayfa Sayısı: 77

Özet

Elektrik görülmeyen fakat kazaen dokunulması halinde tehlike olup ölümle sonuçlanabilecek risklere sahiptir. Özellikle elektrik bağlantı noktaların açık olduğu elektrik panosu ve trafolar yetkisiz kişilerin erişiminde oldukça tehlikeli olmaktadır. Bu nedenle mevzuatta yer alan birçok yönetmelikte elektrik tesisat çalışanları yetki seviyeleri ile birlikte tanımlanmıştır. Buna rağmen işyerlerinde yetkisiz çalışanlar elektrik pano ve trafolarına erişerek iş kazalarına neden olmaktadır. Ayrıca bir çalışan yetkili olsa dahi Kişisel Koruyucu Donanım kullanmadığı için yine de iş kazası geçirebilmektedir. Bu çalışmada yetkisiz ve baret kullanmayan çalışanların elektrik pano ve trafolarına erişimini engellemek, böylece iş kazaların azaltılmasını sağlamak için yeni bir önlem modeli sunmaktadır. Bu modelde çalışanların elektrik pano ve trafolarına erişimleri durumunda önce yetki seviyesi doğrulanmakta ardından da Kişisel Koruyucu Donanımlar içinde en yaygın kullanılan baret kullanımı tespit edilmektedir. Eğer bu iki durum sağlanırsa erişime izin verilmelidir. Yetki seviyesi çalışanın parmak izinden, baret tespiti ise derin öğrenme yöntemi ile gerçekleşmiştir. Yapılan çalışmanın sonunda elde edilen bulgular sistemin kullanılabilir olduğunu göstermiştir.

Özet (Çeviri)

Electricity is invisible, but dangerous when accidentally touched and carries risks that can result in death. Especially the electrical panels and transformers, where the electrical connection points are open, are very dangerous when accessed by unauthorized persons. For this reason, in many regulations in the legislation, electrical installation workers are defined together with their authorization levels. Despite this, unauthorized employees in the workplaces access electrical panels and transformers, causing work accidents. In addition, even if an employee is authorized, he may still have a work accident because he does not use Personal Protective Equipment. In this study, it offers a new precautionary model to prevent unauthorized and non-hard hat employees from accessing electrical panels and transformers, thus reducing work accidents. In this model, in case of access of employees to electrical panels and transformers, first the authorization level is verified, and then the most common use of hard hats in Personal Protective Equipment is determined. If these two conditions are met, access is allowed. The authority level was determined by the fingerprint of the employee, and the hard hat detection was realized by deep learning method. The findings obtained at the end of the study showed that the system is usable.

Benzer Tezler

  1. Nesnelerin interneti için hareketlilik yönetimi

    Mobility management for internet of things

    ZEYNEP TURGUT

    Doktora

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET SERTBAŞ

    DR. ÖĞR. ÜYESİ GÜLSÜM ZEYNEP GÜRKAŞ AYDIN

  2. Deep convolutional neural network based unconstrained ear recognition

    Derin evrişimsel sinir ağı tabanlı kısıtsız kulak tanıma

    FEVZİYE İREM EYİOKUR

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HAZIM KEMAL EKENEL

  3. Use of radiofrequency (RF) fingerprinting for device authorizations

    Radyo frekansı (RF) parmak izi kullanarak cihaz yetkilendirmesi

    RAİF İYİPARLAKOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiAtılım Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. YASER DALVEREN

  4. Algısal özet fonksiyonları tabanlı derin öğrenme yöntemleri kullanılarak imgelerin sınıflandırılması

    Classification of images by using deep learning methods based on perceptual hash functions

    FATİH ÖZYURT

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. ENGİN AVCI