Yapay zekâ destekli iş güvenliği modellemesi
Artificial intelligence–assisted occupational safety modeling
- Tez No: 985276
- Danışmanlar: PROF. DR. RAMAZAN SOLMAZ
- Tez Türü: Yüksek Lisans
- Konular: Kazalar, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Accidents, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bingöl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İşçi Sağlığı ve İş Güvenliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, iş sağlığı ve güvenliği (İSG) alanında kazaları önlemek için proaktif bir yaklaşım geliştirilmesi amaçlanmış ve yapay zekâ (YZ) tabanlı bir modelleme önerilmiştir. Geleneksel İSG yöntemleri genellikle reaktif nitelik taşımakta ve kazalar meydana geldikten sonra önlemler alınmaktadır. Bu tezde sunulan model ile iş yerlerinde meydana gelebilecek potansiyel tehlikelerin ve güvensiz durumların anlık tespit edilmesi, muhtemel kazaların ise önceden önlemesi hedeflenmektedir. Çalışmanın temel amacı, kişisel koruyucu donanım (KKD) kullanımını otomatik olarak izleyen bir bilgisayarlı görü sistemi geliştirmektir. Bu amaçla,“You Only Look Once (YOLOv5)”algoritması kullanılarak bir nesne tespiti modeli oluşturulmuştur. Modeli eğitmek için,“insan”,“kask”,“yelek”ve“eldiven”sınıflarını içeren 2512 görüntüden oluşan bir veri seti hazırlanmıştır. Görüntüler, eğitim (%70), doğrulama (%20) ve test (%10) kümelerine ayrılarak etiketleme sürecinden geçirilmiştir. Bu süreç, sistemin görsel girdilerden öğrenmesini ve doğru sınıflandırmalar yapmasını sağlayacak temel adım olmuştur. Eğitim, 100 devir (epoch) boyunca, kayıp fonksiyonlarını azaltmayı ve ortalama duyarlılık (mAP) metriklerini iyileştirmeyi hedefleyerek yürütülmüştür. Sonuçlar, modelin [email protected]'te %86,6 başarı oranına ulaştığını göstermektedir. Kask (%97,8) ve yelek (%96,5) sınıflarında, kesinlik ve geri çağırma oranları %97'nin üzerinde gerçekleşmiştir. Bu, bulgu modelin bu ekipmanları tespit etmede yüksek performans sergilediğini ortaya koymaktadır. Ancak eldiven tespiti (%56,5), nesnelerin küçük boyutu, farklı türleri ve sıkça örtülü olması nedeniyle daha düşük bir performans göstermiştir. Bu durum, modelin pratik uygulamadaki sınırlılıklarını ve geliştirilmesi gereken yönlerini açıkça ortaya koymaktadır. Geliştirilen sistem, mevcut güvenlik kameralarına entegre edilerek KKD ihlallerini gerçek zamanlı olarak tespit edebilir. Veri setinin çeşitlendirilmesi, farklı aydınlatma koşullarının ve farklı KKD türlerinin eklenmesi, modelin doğruluğunu artırabilecektir. Ayrıca, sistemin etik boyutları (örneğin, çalışan mahremiyetinin korunması ve yanlış tespitlerin yol açabileceği hukuki sorumluluklar) ayrıntılı biçimde ele alınmalıdır. İleride yapılacak saha testleri ve sektörlerde gerçekleştirilecek uyarlamalar,“sıfır kaza”hedefine ulaşmada önemli bir adım olacaktır.
Özet (Çeviri)
In this thesis, a proactive approach to accident prevention in the field of Occupational Health and Safety (OHS) is proposed through an artificial intelligence (AI)-based modeling framework. Traditional OHS methods are typically reactive, with interventions occurring after accidents have taken place. The model presented here aims to enable real-time detection of potential hazards and unsafe conditions in workplaces and to prevent possible accidents in advance. The primary objective of the study is to develop a computer vision system that automatically monitors the use of personal protective equipment (PPE). To this end, an object detection model was built using the“You Only Look Once (YOLOv5)”algorithm. For model training, a dataset of 2,512 images containing the classes“person,”“helmet,”“vest,”and“glove”was assembled. The images were split into training (70%), validation (20%), and test (10%) sets and subjected to an annotation process. This process constitutes the foundational step that enables the system to learn from visual inputs and perform accurate classifications. Training was conducted for 100 epochs, targeting the reduction of loss functions and the improvement of mean Average Precision (mAP) metrics. The results indicate that the model achieved an [email protected] of 86.6%. For the helmet (97.8%) and vest (96.5%) classes, both precision and recall exceeded 97%, demonstrating strong detection performance for these categories. However, glove detection (56.5%) was comparatively weaker, likely due to the small size of the objects, their diverse types, and frequent occlusions. These findings clearly reveal the model's practical limitations and the areas requiring improvement. The developed system can be integrated into existing security camera infrastructures to detect PPE violations in real time. Diversifying the dataset—by incorporating different lighting conditions and additional PPE types—may further enhance accuracy. Moreover, the system's ethical dimensions (e.g., safeguarding employee privacy and addressing potential legal liabilities stemming from false detections) should be examined in detail. Future field tests and sector-specific adaptations will represent important steps toward achieving the“zero-accident”goal.
Benzer Tezler
- 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
SEFER MEŞE
Yüksek Lisans
Türkçe
2025
İnşaat MühendisliğiYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN DEMİRDÖĞEN
- A review of the applications of vision-based 3D as-built data acquisition technologies in the construction industry
İnşaat sektöründe 3D as-built veri toplama uygulamalarının incelenmesi
MAHMOUD ABUFOUDA
Yüksek Lisans
İngilizce
2018
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ESİN ERGEN PEHLEVAN
- Yüksek hızlı trenin rüzgâr ve esnek zemin etkisi altındaki titreşimlerinin yapay zekâ algoritmaları ile aktif kontrolü
Active control of high speed train vibrations under wind and flexible foundation using artificial intelligence algorithms
MUSTAFA EROĞLU
Doktora
Türkçe
2023
Makine MühendisliğiSakarya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. RECEP KOZAN
- Index modulation based designs, error performance and physical layer security analyses for unmanned aerial vehicle networks
İnsansız hava aracı ağları için indis modülasyonu tabanlı tasarımlar, hata performansı ve fiziksel katman güvenlik analizleri
AYŞE BETÜL BÜYÜKŞAR
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ALTUNBAŞ
- 3D nokta bulutu verileri kullanılarak otonom sürüş için nesne algılama yöntemi ile karayolu envanterlerinin tespit edilmesi
Determination of highway inventories with object detection method for autonomous driving using 3D point cloud data
HİLAL GEZGİN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. REHA METİN ALKAN