Endüstriyel makinalarda yapay zeka görüntü işleme tabanlı iş kazası davranışlarını önlemeye yönelik sistem tasarımı

Bu çalışmada yapay zeka ve görüntü işleme yaklaşımı kullanılarak, daire testere ve benzeri tehlikeli makinalarda çalışanların iş kazası sonucu el yaralanmalarını, uzuv kayıplarını önlemek ve doğru çalışma davranışlarını öğretmeyi amaçlayan bir tasarım geliştirilmektedir. Tasarımda eğitilmiş CNN (evrişimsel sinir ağı) vb. derin öğrenme teknikleri ile geliştirilen MediaPipe Hands makina öğrenimi modeli kullanılarak bilgisayarlı görme (Computervision) işlemi yapılmaktadır. Yapay zeka tasarımı Python yazılım ortamında makine öğrenimi kütüphanesi TensorFlow ve görüntü işleme kütüphanesi OpenCV kullanılarak yapılmaktadır. Kameradan alınan canlı görüntü ile insan elinin, tehlikeli bölgede kesici ile arasındaki yaklaşma mesafesi ve hızlı hareketleri takip edilip, ölçümlenir. Buna göre tehlikeli iş makinalarında tehlike ve uyarı bölgeleri belirlenmektedir. Eğer el tehlikeli bölgede kesiciye aşırı yakınsa veya hızlı hareketler sergilerse iş makinası durdurulur. Uyarı bölgesinde ise kullanıcıya gerekli uyarılar yapılarak el kazalarının önüne geçilmesi hedeflenmektedir. MediaPipe Hands modelinin farklı parlaklık ve gürültü ortam durumları incelenerek tespit performansında kıyaslamalar yapılmaktadır. Burada önerilen parlaklık dengeleme ve gürültü önleyici medyan filtre etkileri incelenmektedir. Olumsuz ortam koşullarından kaynaklanan bu performans kaybı filtre kullanımıyla iyileştirme yapılmaktadır. Parlaklık seviyelerindeki değişim ve gürültü etkisinde önerilen filtreler önemli oranda iyileştirme sağlamaktadır. Ek olarak kullanılan model karmaşıklığı değerlendirilerek önerilen sistemin gerçek zaman çalışabilme kabiliyeti incelenmektedir. Yapay zeka tabanlı bu güvenlik sistemi kamera, bilgisayar ve yazılım alanındaki gelişmelere bağlı olarak iş kazalarını en alt seviyeye indireceği değerlendirilmektedir.