Tarım makinaları imalathanelerinde iş güvenliği denetimi amaçlı yapay zeka destekli otomatik baret tespit sistemi
Artificial intelligence-based automatic helmet detection system for occupational safety inspection in agricultural machinery factories
- Tez No: 890394
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖMER ERTUĞRUL
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: İş sağlığı, kkd, tarım makineleri, yapay zekâ, traktör imalathanesi, derin öğrenme, makine öğrenmesi, Occupational health, ppe, farm machinery, artificial intelligence, tractor workshops, deep learning, machine learning
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kırşehir Ahi Evran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İş Sağlığı ve Güvenliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 47
Özet
Bu tez çalışmasının odak noktası, traktör ve tarım makinaları imalathanelerinde çalışan bireylerin baret takıp takmadığını tespit etmek için bir yapay zekâ tabanlı sistem geliştirmektir. Bu amaçla, transfer öğrenme yaklaşımına dayanan bir model geliştirilerek etkin bir iş güvenliği uygulaması oluşturularak bireylerin baret takma durumunu doğru bir şekilde belirlemek hedeflenmiştir. Bu model, 9 farklı önceden eğitilmiş yapay zekâ ağından faydalanılarak derin özellik çıkarımı gerçekleştirmektedir. Bu ağlar şunlardır: (i) MobileNetV2, (ii) ResNet50, (iii) DarkNet53, (iv) AlexNet, (v) ShuffleNet, (vi) DenseNet201, (vii) InceptionV3, (viii) InceptionResNetV2 ve (ix) GoogleNet. Bu ağlardan elde edilen özellik vektörleri, döngüsel komşuluk bileşen analizi (DKBA) özellik seçimine tabi tutulmuş, ardından bu özellikler“k en yakın komşu”(kNN) yöntemiyle sınıflandırılmıştır. 9 farklı sınıflandırma çıktısı, döngüsel ağırlıklı oylama (DAO) algoritmasıyla birleştirilerek en optimum sonuç elde edilmeye çalışılmıştır. Sistemin performansını değerlendirmek için traktör ve tarım makinaları imalathanelerine ait görüntüler internet aracılığıyla toplanarak bir görüntü veri seti oluşturulmuştur. Bu veri seti iki kategoriye ayrılmaktadır: (1) 662 baretli ve (2) 722 baretsiz bireyler. Sonuç olarak, bu tez çalışmasında önerilen yapay zekâ tabanlı baret tespit yöntemi, %90.39 doğruluk oranı ile yüksek performans göstermiştir. Döngüsel Komşuluk Bileşen Analizi (DKBA) ve kNN sınıflandırıcıları kullanılarak yapılan deneylerde, en iyi sonuçlar DenseNet201 ağından elde edilmiştir. Elde edilen sonuçlar yapay zekânın iş sağlığı ve güvenliği sektöründeki potansiyelini ortaya koymaktadır. Özellikle kapalı alanlarda kullanıldığında, bu tür sistemler iş güvenliği uzmanlarının görevlerini daha verimli hale getirebilir ve insan kaynaklı hataları asgariye indirebilir.
Özet (Çeviri)
The focus of this thesis is to develop an artificial intelligence-based system for detecting whether individuals working in tractor and agricultural machinery factories are wearing helmets. For this purpose, a model based on transfer learning was developed to create an effective occupational safety application, accurately determining the helmet-wearing status of individuals. This model performs deep feature extraction using nine different pre-trained artificial neural networks. These networks are: (i) MobileNetV2, (ii) ResNet50, (iii) DarkNet53, (iv) AlexNet, (v) ShuffleNet, (vi) DenseNet201, (vii) InceptionV3, (viii) InceptionResNetV2, and (ix) GoogleNet. The feature vectors obtained from these networks were subjected to cyclic neighborhood component analysis (CNCA) for feature selection, and these features were then classified using the k-nearest neighbor (kNN) method. The nine different classification outputs were combined using the cyclic weighted voting (CWV) algorithm to achieve the optimal result. To evaluate the system's performance, an image dataset was created by collecting images from tractor and agricultural machinery factories via the internet. This dataset is divided into two categories: (1) 392 individuals with helmets and (2) 314 individuals without helmets. Consequently, the artificial intelligence-based helmet detection method proposed in this thesis demonstrated high performance with an accuracy rate of 90.39%. The experiments conducted using CNCA and kNN classifiers showed the best results with the DenseNet201 network. The obtained results highlight the potential of artificial intelligence in the field of occupational health and safety. Especially when used in enclosed spaces, such systems can make the tasks of occupational safety experts more efficient and minimize human errors.
Benzer Tezler
- Trakya bölgesinde ayçiçeği ekim makinaları imalat sanayinin durumu, sorunları ve ayçiçeği ekim makinaları talep projeksiyonu
Başlık çevirisi yok
NEJAT ÇALIŞ
Yüksek Lisans
Türkçe
1988
ZiraatEge ÜniversitesiTarımsal Mekanizasyon Ana Bilim Dalı
DOÇ. DR. İSMET ÖNAL
- İzmir, Manisa, Aydın ve Balıkesir illerinde küçük ve orta ölçekli tarım alet ve makineleri imalatçılarının durumu, sorunları ve çözüm önerileri
The State and the problems of the manufacturers of small and large scale agricultural tools and machineries in İzmir, Manisa, Aydın and Balıkesir and the solution offers
AYKUT BAYRAKTAR
Yüksek Lisans
Türkçe
2002
ZiraatEge ÜniversitesiTarım Makineleri Ana Bilim Dalı
DOÇ.DR. R. CENGİZ AKDENİZ
- Tarım makinaları imalat sanayiinde üretim ve dışsatıma yönelik talep projeksiyonunun belirlenmesi
The determination of demand projection on agricultural machinery production and export
BAHU GÜNDOĞDU TÜMER
Yüksek Lisans
Türkçe
2004
ZiraatAnkara ÜniversitesiTarım Makineleri Ana Bilim Dalı
PROF.DR. ALİ İHSAN ACAR
- Tarım makinaları için çok eklemli güç aktarma sisteminin geliştirilmesi
Development of multi-job power transfer system for agricultural machinery
MUSTAFA GUBAT
Yüksek Lisans
Türkçe
2019
Bilim ve TeknolojiHarran ÜniversitesiTarım Makineleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜLENT PİŞKİN
- Tarım makinaları imalatı yapan bir işletmede üretim planlama sisteminin tasarımı ve uygulanması
The designing and application of the production planning system at the enterprise manufacturing agricultural machinery
ALİ YAVUZ ŞEFLEK
Doktora
Türkçe
2010
Endüstri ve Endüstri MühendisliğiSelçuk ÜniversitesiTarım Makineleri Ana Bilim Dalı
PROF. DR. KAZIM ÇARMAN