Bilgisayarlı görü ile dijital ergonomik risk değerlendirme sistemi: REBA, RULA ve OWAS uygulaması

Çalışma ortamında kas-iskelet sistemi bozuklukları işle ilgili en yaygın hastalıklar arasındadır. Genel olarak, Kas İskelet Sistemi Rahatsızlıkları (KİSR) tek bir neden ve sonuca bağlı olmamaktadır. Tersine, fiziksel, biyomekanik, psiko-sosyal ve bireysel risk faktörleri ile ortak bir şekilde meydana gelmektedir. KİSR genellikle hızlıca etki göstermemektedir. Ancak uzun vadede KİSR bağlantılı hastalıklar birkaç belirgin şikâyet ile ortaya çıkmaktadır. Sırt ve boyun ağrıları en sık görülen belirtiler arasındadır. Kas yaralanmaları, yorucu veya tekrarlayan faaliyetlerden kaynaklanabilmektedir. Fiziksel olarak zorlu çalışma koşullarının yanı sıra psikososyal stres de vücuttaki gerilimin nedeni olabilmektedir. İnsanların yaşadıkları tüm sağlık problemlerine ek olarak, iş kazaları ve işle ilgili hastalıklar, şirketler ve bir bütün olarak ekonomi için hem doğrudan hem de dolaylı maliyetlere neden olmaktadır. Uygunsuz duruş, tekrarlayan hareketler ve tek yönde ağırlık baskısı gibi etkenlerle oluşan rahatsızlıklar , çalışanlar için sağlıklı yaşam yıllarının kaybı gibi ise uzun vadeli ve dolaylı maliyetleri oluşturmaktadır.Uzun vadede KİSR, çalışanlarda kalıcı rahatsızlıklar , felç veya kısmı ve tam işgörmezlik riskini beraberinde getirmektedir. Çalışmanın amacı, iş yerlerinde ergonomik risk değerlendirmelerini (ERD) web tabanlı, fotoğraf ve videolar üzerinden çalışan ERD analizi yaparak KİSR rahatsızlıklarına erken aşamada önlem alınmasını ve doğru analiz yapılmasını sağlamaktır. Çalışmada, bir web platformu üzerinde bilgisayarlı görü destekli ergonomik risk değerlendirme yazılımı yapılandırılmış ve kullanıcı arayüzü ile çalışma sahasında kullanılması sağlanmıştır. Web platformu, kullanıcı tarafından yüklenen fotoğraflar ile Hızlı Tüm Vücut Değerlendirmesi (Rapid Entire Body Assessment-REBA), Hızlı Tüm Vücut Değerlendirmesi (Rapid Upper Limb Assessment-RULA) ve Ovako Çalışma Duruş Analiz Sistemi (Ovako Work Posture Analysis System-OWAS) metotları için aynı anda sonuç hesaplayıp çıktı üretebilmektedir. Çalışmada makine öğrenmesi ve bilgisayarlı görü tabanları kullanılmıştır. Poz tahmini aşaması için MediaPipe kütüphanesinde poz tahmini teknolojisi ile vücut açılarının analizleri gerçekleştirilmiştir. Yapay zekâ modeli olarak Önerilen platformun validasyonu amacıyla, poz tahmini algoritmalarında kullanılan Anahtar Nokta Benzerliği (Object Keypoint Similarity-OKS) testi uygulanmıştır. Test, 32 vücut anahtar noktasının her birine uygulanmış ve genel ortalamada %92 doğruluk oranı elde edilmiştir. Diğer test sürecinde ise ERD metotlarında kullanılmak üzere ölçülen vücut eklem açılarının doğruluğu hesaplanmıştır. Program tarafından ölçülen 32 vücut eklemi açısının her biri gerçek olarak baz alınan açılarla karşılaştırılmış ve ortalamada 7,7°'lik Kök Ortalama Karesel Hata (Root Mean Sqaured Error-RMSE) değeri elde edilmiştir. Elde edilen RMSE değeri ve OKS sonucu güncel literatür ile kıyaslandığında değerlerin tutarlı olduğu belirlenmiştir. Çalışmada ergonomik risk değelerlendirme uygulamalarının testi yapılmıştır. RMSE değeri 0,52 ve sonucu %95 olarak ölçülmüştür. Tutarlılık seviyesinin yüksek olduğu belirlenmiştir. Bu çalışmada, nesne algılama ve sınıflandırma problemlerinin çözümünde etkili bir yöntem olarak göze çarpan Bölgesel Evrişimli Sinir Ağı ( Region-based Convolutional Neural Network-RCNN ) algoritması benimsenmiştir. RCNN, görüntü içerisindeki önceden belirlenmiş bölgelerin (region proposals) özel bir evrişim sinir ağı mimarisi aracılığıyla dikkate alındığı ve bu bölgelerin sonrasında ayrı ayrı işlendiği inovatif bir yaklaşımdır. Algoritmanın başarımı, nesnelerin tespiti ve doğru sınıflandırılmasında gösterdiği yüksek hassasiyet ve doğrulukla kanıtlanmıştır. RCNN yöntemi kapsamlı bir şekilde değerlendirilerek, çeşitli görsel veri setleri üzerindeki performansı ayrıntılı bir şekilde incelenmiştir. Elde edilen sonuçlar, RCNN'in nesne algılama alanında önemli bir çözüm olarak değerlendirilmesini destekleyici niteliktedir.