İnşaat sektöründe işçi yorgunluğu tespiti için insansız hava aracı, yapı bilgi modellemesi ve derin öğrenme entegre çerçevenin geliştirilmesi
Development of an integrated framework of uav, bim and deep learning for worker fatigue detection in construction industry
- Tez No: 933885
- Danışmanlar: DOÇ. DR. GÖKHAN DEMİRDÖĞEN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapı İşletmesi Bilim Dalı
- Sayfa Sayısı: 161
Özet
Yorgunluk, performansı ve güvenliği önemli ölçüde bozabilen fiziksel ve zihinsel bir bitkinlik halidir. Fiziksel ve zihinsel yorgunluk, işçilerin uzun süreli yoğun fiziksel aktivite, stres ve zihinsel çaba sonucunda kas ağrıları, enerji eksikliği, konsantrasyon güçlüğü ve karar verme yeteneklerinde azalma gibi belirtilerle ortaya çıkan ve iş performanslarını olumsuz etkileyen bir durumdur. Bu kapsamda, bu tez çalışması, Yapı Bilgi Modellemesi (YBM), İnsansız Hava Aracı (İHA) ve Yapay Zeka (YZ) destekli derin makine öğrenimi temelli YOLOv11 modeli ile inşaat işçi yorgunluğunu tespit etmeyi amaçlamaktadır. Çalışma içerisinde öncelikle, İHA-YBM entegrasyonunun birlikte kullanıldığı çalışmalar literatür taramasıyla incelenmekte, bu iki dijital teknolojinin entegrasyonu önündeki engelleri ve itici güçleri ortaya çıkarılmakta ve çalışmalara ait bibliyometrik analiz sunulmaktadır. Çalışma daha sonra inşaat sektöründe İş Sağlığı ve Güvenliği (İSG) alanında yorgunluk kavramını tanımlamakta ve inşaat işçilerinin yaşadığı yorgunluğun nedenleri ve türlerine ilişkin mevcut literatür çalışmalarını incelemektedir. Yorgunluğu ölçmek ve değerlendirmek için literatürde kullanılan metodolojileri vurgulamakta ve önceki araştırmalarda uygulanan araç ve tekniklere ayrıntılı bir genel bakış sağlamaktadır. Literatür taraması sonucunda, tez çalışmasının amacına da uygun olarak işçi yorgunluğunu tespit etmek üzere İHA-YBM ve YOLOv11 algoritması entegre çerçeve sunulmuştur. Yapılan analizler sonucunda sunulan çerçevenin, yorgunluk tespitini %96.39 doğruluk, %89.28 hassasiyet, %95.54 geri çağırma, %92.31 F1 skoru, %97.40 mAP50 ve %73.55 mAP_0.5:0.95 performans değerleri ile kabul edilebilir sınırlar içerisinde kalarak sağladığı tespit edilmiştir. Çalışma bir sonraki aşamasında, modelin performans sonuçları ve uygulanabilirliği, sektör profesyonellerine yönelik anket çalışması ile analiz edilmiştir. Önerilen modelin performans sonuçları, literatürde ki çalışmalar ile karşılaştırma yapılarak tartışma bölümünde sunulmaktadır.
Özet (Çeviri)
Fatigue is a state of physical and mental exhaustion that can significantly impair performance and safety. Physical and mental fatigue is a condition that manifests with symptoms such as muscle pain, lack of energy, difficulty concentrating, and a decline in decision-making abilities, resulting from prolonged intense physical activity, stress, and mental effort, negatively affecting workers' job performance. In this context, this thesis aims to detect construction worker fatigue using a deep machine learning-based YOLOv11 model supported by Building Information Modeling (BIM), Unmanned Aerial Vehicles (UAV), and Artificial Intelligence (AI). Initially, the study conducts a literature review examining works that integrate UAV-BIM, identifying the barriers and drivers behind the integration of these two digital technologies, and presenting a bibliometric analysis of related studies. The research then defines the concept of fatigue in the field of Occupational Health and Safety (OHS) within the construction industry, reviewing existing literature on the causes and types of fatigue experienced by construction workers. It highlights the methodologies used in the literature to measure and assess fatigue and provides a comprehensive overview of the tools and techniques applied in previous studies. Based on the literature review, an integrated framework combining UAV-BIM and the YOLOv11 algorithm is proposed to detect worker fatigue in alignment with the objectives of this thesis. The analysis results indicate that the proposed framework achieves fatigue detection within acceptable limits, with a detection accuracy of 96.39%, precision of 89.28%, recall of 95.54%, F1-score of 92.31%, mAP50 of 97.40%, and mAP_0.5:0.95 of 73.55%. In the next phase of the study, the performance results and applicability of the model were analyzed through a survey conducted with industry professionals. The performance results of the proposed model are compared with studies in the literature and are presented in the discussion section.
Benzer Tezler
- Küçük ve orta ölçekli inşaat firmalarında kaba inşaat iş kalemlerinde verimlilik ve performans analizi - Sakarya incelemesi
Productivity and performance analysis of structural construction work items in the small and medium-sized construction companies - Sakarya review
SELİM KOÇ
Yüksek Lisans
Türkçe
2018
İnşaat MühendisliğiDüzce Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. RIFAT AKBIYIKLI
- Üniversitede iş sağlığı ve güvenliğine ilişkin akademik personelin görüşleri
The opinions of academic staff on occupational health and safety in the university
CEM EMRE METE
Yüksek Lisans
Türkçe
2021
Eğitim ve ÖğretimMarmara ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. AHMET FARUK LEVENT
- İnşaat sektöründe iş kazalarının önlenmesinde giyilebilir teknoloji kullanılarak elde edilen fizyolojik verilerin bulanık mantık yöntemi ile değerlendirilmesi
Evaluation of physiological data obtained using wearable technology using fuzzy logic method in preventing work accidents in the construction sector
ELİF TUĞÇE AKSAY
Yüksek Lisans
Türkçe
2024
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. ELÇİN FİLİZ TAŞ
- Tasarım aşaması proje riskleri
Projects risks of design stage
HAKAN MARAŞ
Yüksek Lisans
Türkçe
2002
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. YILDIZ SEY