Tarım makinaları imalathanelerinde iş güvenliği denetimi amaçlı yapay zeka destekli otomatik baret tespit sistemi

Bu tez çalışmasının odak noktası, traktör ve tarım makinaları imalathanelerinde çalışan bireylerin baret takıp takmadığını tespit etmek için bir yapay zekâ tabanlı sistem geliştirmektir. Bu amaçla, transfer öğrenme yaklaşımına dayanan bir model geliştirilerek etkin bir iş güvenliği uygulaması oluşturularak bireylerin baret takma durumunu doğru bir şekilde belirlemek hedeflenmiştir. Bu model, 9 farklı önceden eğitilmiş yapay zekâ ağından faydalanılarak derin özellik çıkarımı gerçekleştirmektedir. Bu ağlar şunlardır: (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 komşuluk bileşen analizi (DKBA) özellik seçimine tabi tutulmuş, ardından bu özellikler "k en yakın komşu" (kNN) yöntemiyle sınıflandırılmıştır. 9 farklı sınıflandırma çıktısı, döngüsel ağırlıklı oylama (DAO) algoritmasıyla birleştirilerek en optimum sonuç elde edilmeye çalışılmıştır. Sistemin performansını değerlendirmek için traktör ve tarım makinaları imalathanelerine ait görüntüler internet aracılığıyla toplanarak bir görüntü veri seti oluşturulmuştur. Bu veri seti iki kategoriye ayrılmaktadır: (1) 662 baretli ve (2) 722 baretsiz bireyler. Sonuç olarak, bu tez çalışmasında önerilen yapay zekâ tabanlı baret tespit yöntemi, %90.39 doğruluk oranı ile yüksek performans göstermiştir. Döngüsel Komşuluk Bileşen Analizi (DKBA) ve kNN sınıflandırıcıları kullanılarak yapılan deneylerde, en iyi sonuçlar DenseNet201 ağından elde edilmiştir. Elde edilen sonuçlar yapay zekânın iş sağlığı ve güvenliği sektöründeki potansiyelini ortaya koymaktadır. Özellikle kapalı alanlarda kullanıldığında, bu tür sistemler iş güvenliği uzmanlarının görevlerini daha verimli hale getirebilir ve insan kaynaklı hataları asgariye indirebilir. Anahtar Kelimeler: İş sağlığı, kkd, tarım makineleri, yapay zekâ, traktör imalathanesi, derin öğrenme, makine öğrenmesi