İş sağlığı ve güvenliğinde yapay zeka uygulamaları
Artificial intelligence applications in occupational health and safety
- Tez No: 922343
- Danışmanlar: PROF. DR. ÖZEN KILIÇ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İş Sağlığı ve Güvenliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çalışma alanlarındaki en yüksek yaralanma ve ölüm olayları, inşaat sektöründe meydana gelmektedir. Ölümcül yaralanmalara ve sakatlıklara engel olunması için geleneksel güvenlik tedbirleri yerine gelişmiş güvenlik sistemleri uygulanmasının yanı sıra çalışanların koruyucu ekipmanlarını usulüne uygun şekilde kullanıp kullanmadığının denetlenmesi önem arz etmektedir. İş kazalarına karşı etkin bir önlem olan baret kullanımı aynı zamanda yasal bir zorunluluk olarak önemini korumaktadır. Yapay zeka tabanlı bilgisayarlı görü sayesinde videolardan ya da görüntülerden gözetleme yaparak sınıflandırma ve nesne tespiti yapma, oldukça yaygın olan bir çalışma sahası sunmaktadır. Nesne tespiti üzerine yoğunlaşan ana akım, gerçek zamanlı tahminleri tek aşamalı dedektörlerin, çift aşamalı dedektörlere göre daha iyi performans sunduğunu kabul etmektedir. Çalışmada tek aşamalı dedektörler içerisinde hızı ve doğruluğu ile ön plana çıkan YOLOv9 modeli incelenmiştir. Modeli eğitebilmek için 3 farklı veri seti birleştirilerek 2107 adet görüntüden oluşan tek bir veri seti oluşturulmuştur. Elde edilen veri seti inşaat alanlarındaki gerçek yaşamı yansıtan baret, insan, yelek, eldiven ve kulaklık görüntülerden meydana gelmektedir. YOLOv9 modelinin farklı versiyonları 25, 50, 75, 100 epokluk eğitime tabi tutulmuş olup, en başarılı performans, gelan-e versiyonun 100 epokluk eğitiminde görülmüştür. Elde edilen sonuçlar; kesinlik 0,679, duyarlılık 0,772, F-1 puan 0,72, mAP50 değeri 0,737, mAP50-95 değeri 0,431 olarak bulunmuştur. Bu çalışmada, YOLOv9 modelinin hız ve doğruluk performansı, baret kullanımının tespiti açısından incelenmiştir. Deneysel sonuçlar, modelin baş yaralanmalarını önlemede etkin bir role sahip baret kullanımını tespit görevlerinde yüksek bir başarı sağladığını göstermiştir. Model aynı zamanda sadece baret tespitinde değil, yelek, kulaklık ve iş sahasına yetkisiz giriş yapmaya çalışan kişilerin sınıflandırma ve tespitinde de yüksek performans sergilemiştir.
Özet (Çeviri)
The construction industry has the highest number of injuries and fatalities in the workplace. In order to prevent fatal injuries and disabilities, it is important to implement advanced safety systems instead of traditional safety measures, as well as to check whether workers are using their protective equipment properly. The use of helmet, which is an effective measure against occupational accidents, also maintains its importance as a legal obligation. Classification and object detection by surveillance from videos or images through artificial intelligence-based computer vision offers a very common field of study. The mainstream focus on object detection recognizes that single-stage detectors outperform two-stage detectors in real-time estimation. In this study, the YOLOv9 model, which stands out with its speed and accuracy among single-stage detectors, was analyzed. In order to train the model, 3 different datasets were combined to create a single dataset consisting of 2107 images. The resulting dataset consists of images of helmets, people, vests, gloves and headphones reflecting real life in construction sites. Different versions of the YOLOv9 model were trained for 25, 50, 75, 100 epochs and the most successful performance was seen in the 100 epoch training of the gelan-e version. The results obtained were; precision 0,679, recall 0,772, F-1 score 0,72, mAP50 value 0,737, mAP50-95 value 0,431. In this study, the speed and accuracy performance of the YOLOv9 model was investigated for the detection of helmet use. The experimental results show that the model achieves a high performance in helmet use detection tasks, which has an effective role in preventing head injuries. The model also showed high performance not only in helmet detection, but also in the classification and detection of vests, earmuffs and unauthorized entry into the workplace.
Benzer Tezler
- İş sağlığı ve güvenliğinde yapay zeka entegrasyonu; İSG profesyonellerin yapay zeka uygulamalarına bakış açısının irdelenmesi
Integration of artificial intelligence in occupational health and safety: Exploring OHS professionals' perspectives on AI applications
SERKAN BAL
Yüksek Lisans
Türkçe
2025
Bilim ve TeknolojiBingöl Üniversitesiİş Sağlığı ve Güvenliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAH TUNÇ
- İnşaat mühendisliği uygulamalarında sensör ve sensör tabanlı teknolojilerin kullanımı ve katkılarının incelenmesi
Investigation of the usage and benefits of sensors and sensor-based technologies in civil engineering applications
MEHMET AKİF ARSLAN
Yüksek Lisans
Türkçe
2022
İnşaat MühendisliğiKonya Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA TOLGA ÇÖĞÜRCÜ
- Petrokimya endüstrisinde L matris yöntemi ile risk değerlendirmesi: Kimyasal maddelerin çevresel etkileri ve güvenlik önlemleri
Risk assessment with L matrix method in petrochemical industry: Environmental impacts of chemical substances and safety measures
MUSTAFA ÇAKIROĞLU
Yüksek Lisans
Türkçe
2025
KimyaSakarya ÜniversitesiYangın ve Yangın Güvenliği Ana Bilim Dalı
PROF. DR. MUSTAFA ŞAHİN DÜNDAR
- A systems approach to food safety: A framework for integrating systems engineering, interpretable AI, and AI-ready data infrastructure
Gıda güvenliğine sistem yaklaşımı: Sistem mühendisliği, yorumlanabilir yapay zekâ ve yapay zekâya hazır veri altyapısını bütünleştiren bir çerçeve
EMEL MİNE BUĞDALI
Doktora
İngilizce
2025
BiyoteknolojiYeditepe ÜniversitesiBiyoteknoloji Ana Bilim Dalı
DOÇ. DR. ÖZLEM GÜÇLÜ ÜSTÜNDAĞ
- Kıyı yapısı inşaatları için iş güvenliği risk yönetim sistemi
Occupational safety risk management system for coastal structure construction
DİNÇER İNANÇ YILMAZ
Doktora
Türkçe
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ ARTAN