Tarım Makinaları İmalathanelerinde İş Güvenliği Denetimi Amaçlı Yapay Zekâ Destekli Otomatik Baret Tespit Sistemi

Abstract

Bu tez çalıĢmasının odak noktası, traktör ve tarım makinaları imalathanelerinde çalıĢan bireylerin baret takıp takmadığını tespit etmek için bir yapay zekâ tabanlı sistem geliĢtirmektir. Bu amaçla, transfer öğrenme yaklaĢımına dayanan bir model geliĢtirilerek etkin bir iĢ güvenliği uygulaması oluĢturularak bireylerin baret takma durumunu doğru bir Ģekilde belirlemek hedeflenmiĢtir. Bu model, 9 farklı önceden eğitilmiĢ yapay zekâ ağından faydalanılarak derin özellik çıkarımı gerçekleĢtirmektedir. Bu ağlar Ģunlardır: (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 komĢuluk bileĢen analizi (DKBA) özellik seçimine tabi tutulmuĢ, ardından bu özellikler “k en yakın komĢu” (kNN) yöntemiyle sınıflandırılmıĢtır. 9 farklı sınıflandırma çıktısı, döngüsel ağırlıklı oylama (DAO) algoritmasıyla birleĢtirilerek en optimum sonuç elde edilmeye çalıĢılmıĢtır. Sistemin performansını değerlendirmek için traktör ve tarım makinaları imalathanelerine ait görüntüler internet aracılığıyla toplanarak bir görüntü veri seti oluĢturulmuĢtur. Bu veri seti iki kategoriye ayrılmaktadır: (1) 662 baretli ve (2) 722 baretsiz bireyler. Sonuç olarak, bu tez çalıĢmasında önerilen yapay zekâ tabanlı baret tespit yöntemi, %90.39 doğruluk oranı ile yüksek performans göstermiĢtir. Döngüsel KomĢuluk BileĢen Analizi (DKBA) ve kNN sınıflandırıcıları kullanılarak yapılan deneylerde, en iyi sonuçlar DenseNet201 ağından elde edilmiĢtir. Elde edilen sonuçlar yapay zekânın iĢ sağlığı ve güvenliği sektöründeki potansiyelini ortaya koymaktadır. Özellikle kapalı alanlarda kullanıldığında, bu tür sistemler iĢ güvenliği uzmanlarının görevlerini daha verimli hale getirebilir ve insan kaynaklı hataları asgariye indirebilir.