| dc.description.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. | en_US |
