Endüstriyel makinalarda yapay zeka görüntü işleme tabanlı iş kazası davranışlarını önlemeye yönelik sistem tasarımı
System design for preventing work accident behaviors based on artificial intelligence image processing in industrial machines
- Tez No: 930508
- Danışmanlar: PROF. DR. RIFAT HACIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Zonguldak Bülent Ecevit Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 97
Özet
Bu çalışmada yapay zeka ve görüntü işleme yaklaşımı kullanılarak, daire testere ve benzeri tehlikeli makinalarda çalışanların iş kazası sonucu el yaralanmalarını, uzuv kayıplarını önlemek ve doğru çalışma davranışlarını öğretmeyi amaçlayan bir tasarım geliştirilmektedir. Tasarımda eğitilmiş CNN (evrişimsel sinir ağı) vb. derin öğrenme teknikleri ile geliştirilen MediaPipe Hands makina öğrenimi modeli kullanılarak bilgisayarlı görme (Computervision) işlemi yapılmaktadır. Yapay zeka tasarımı Python yazılım ortamında makine öğrenimi kütüphanesi TensorFlow ve görüntü işleme kütüphanesi OpenCV kullanılarak yapılmaktadır. Kameradan alınan canlı görüntü ile insan elinin, tehlikeli bölgede kesici ile arasındaki yaklaşma mesafesi ve hızlı hareketleri takip edilip, ölçümlenir. Buna göre tehlikeli iş makinalarında tehlike ve uyarı bölgeleri belirlenmektedir. Eğer el tehlikeli bölgede kesiciye aşırı yakınsa veya hızlı hareketler sergilerse iş makinası durdurulur. Uyarı bölgesinde ise kullanıcıya gerekli uyarılar yapılarak el kazalarının önüne geçilmesi hedeflenmektedir. MediaPipe Hands modelinin farklı parlaklık ve gürültü ortam durumları incelenerek tespit performansında kıyaslamalar yapılmaktadır. Burada önerilen parlaklık dengeleme ve gürültü önleyici medyan filtre etkileri incelenmektedir. Olumsuz ortam koşullarından kaynaklanan bu performans kaybı filtre kullanımıyla iyileştirme yapılmaktadır. Parlaklık seviyelerindeki değişim ve gürültü etkisinde önerilen filtreler önemli oranda iyileştirme sağlamaktadır. Ek olarak kullanılan model karmaşıklığı değerlendirilerek önerilen sistemin gerçek zaman çalışabilme kabiliyeti incelenmektedir. Yapay zeka tabanlı bu güvenlik sistemi kamera, bilgisayar ve yazılım alanındaki gelişmelere bağlı olarak iş kazalarını en alt seviyeye indireceği değerlendirilmektedir.
Özet (Çeviri)
In this study, a design is being developed using image processing techniques with artificial intelligence to prevent hand injuries and limb losses due to work accidents in workers working on circular saws and similar dangerous machines, and to teach them correct working behaviors. Computer vision is performed using the MediaPipe Hands machine learning model developed with CNN (convolutional neural network) and similar deep learning techniques. The design is implemented in Python using the TensorFlow machine learning library and the OpenCV image processing library. The system uses live camera images to monitor the human hand's proximity and fast movements in dangerous areas. Based on these measurements, danger and warning zones are identified. If the hand approaches too closely to the cutter or shows rapid movements, the machine is stopped. In the warning zone, necessary alerts are provided to the user to avoid accidents. The performance of the MediaPipe Hands model is evaluated under different brightness and noise conditions. To reduce performance loss caused by environmental factors, filters are applied. The brightness compensation and noise-cancelling median filter provide significant improvements in varying lighting and noise levels. Additionally, the model's complexity and its real-time operation capabilities are assessed. The system is expected to reduce work accidents significantly, depending on advancements in cameras, computers, and software.
Benzer Tezler
- Design, modelling and control of a nano quadrotor withmicrocontroller based vision system for object tracking
Nesne takibi için bir nano dört rotorlu helikopterin tasarımı, modellenmesi ve mikrodenetleyici tabanlı görüntü sistemi ile kontrolü
MUSTAFA ENES KIRMACI
Yüksek Lisans
İngilizce
2023
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
PROF. DR. ERDİNÇ ALTUĞ
- Asenkron motorlarda çoklu rotor çubuğu arızalarının evrişimsel sinir ağları yaklaşımı ile teşhisi
Diagnosis of multiple rotor bar faults in asynchronous motors using convolutional neural networks approach
FIRAT DİŞLİ
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
PROF. DR. MEHMET GEDİKPINAR
- Tekstil makinalarında kumaştaki üretim hatalarının tespiti
Fabric defect detection in textile manufacturing processes
SWASH SAMI MOHAMMED MOHAMMED
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜLYA GÖKALP CLARKE
- Motor arızalarının tespiti için derin öğrenme tabanlı bir girişimsel olmayan mobil platform uygulaması
A non-invasive deep learning-based mobile platform application for motor fault detection
MERVE ERTARĞIN
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ORHAN
DOÇ. DR. ÖZAL YILDIRIM
- Vaka çalışması: Endüktif transfer öğrenme ile kalan faydalı ömür tahminlemesi
Case study: Remaining useful life estimation with inductive transfer learning
MEHMET MUSA ÖZCAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. UĞURHAN KUTBAY