Derin öğrenme tabanlı iş yeri kamerası ile gerçek zamanlı kişisel koruyucu ekipman ve depo Güvenliği tespiti

Abstract

İş kazalarının büyük bir çoğunluğu basit tedbirlerle önlenebilecek seviyededir. Bunların başında çalışanların kullanması gereken kişisel koruyucu ekipmanları gelmektedir. Yapılan çalışmada bir iş yeri kamerasından alınan görüntüler ile gerçek zamanlı olarak kişisel koruyucu ekipmanlarının tespiti gerçekleştirilmiştir. Bunun için iş yeri kamerasından alınan görüntülerden bir veri seti oluşturulmuştur. Bu veri seti 6125 tane fotoğraftan oluşmaktadır. Ayrıca fotoğraflar üzerinde gri tonlama, eğim eklenmesi, bulanıklaştırma, değişkenlik eklenmesi, gürültü eklenmesi, görüntü parlaklığı değişikliği, renk canlılığı değişikliği, perspektif değişikliği, boyutlandırma ve konum değişikliği eklenmiştir. Bu eklemeler ile kameradan meydana gelebilecek herhangi bir bozulmaya karşı oluşacak hata en aza indirilmiştir. Fotoğraflar üzerinde yapılan değişiklikler ile veri setini oluşturan fotoğraf sayısı 21079’a yükselmiştir. Oluşturulan veri seti YOLOv8 mimarisinde çalıştırılmıştır. Çalışmada kask, ayakkabı, yelek, yolda, yolda değil, yeleksiz, ayakkabısız, apron ve kasksız olmak üzere 9 çeşit kişisel koruyucu ekipmanın tespiti gerçekleştirilmiştir. Çalışma sonucunda ortalama doğruluk %97.30, kesinlik %93.80 ve duyarlılık %91.70’dir.

The majority of work accidents can be prevented with simple precautions. The most important of these is the personal protective equipment that employees must use. In the study, personal protective equipment and warehouse security were detected in real time with images taken from a workplace camera. For this purpose, a data set was created from images taken from the workplace camera. This data set consists of 6125 photographs. Additionally, grayscale, tilt addition, blurring, variability addition, noise addition, image brightness change, color vibrancy change, perspective change, resizing and position change have been added to the photographs. With these additions, the error that may occur due to any distortion that may occur from the camera is minimized. With the changes made to the photographs, the number of photographs forming the data set increased to 21079. The created data set was run on YOLOv8 architecture. In the study, 9 types of personal protective equipment and warehouse safety were determined: helmet, shoes, vest, on the road, not on the road, without vest, without shoes, apron and without helmet. As a result of the study, average stability was 97.30%, mean average precision (mAP) was 93.80% and recall was 91.70%.