Makine öğrenmesi ile iş sağlığı ve güvenliği uygulamaları
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bilimleri Enstitüsü (Döner Sermaye), Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: İLKAY GİRGİN
Danışman: Mehmet Serdar Güzel
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Uluslararası Çalışma Örgütü (ILO)'nun yayınladığı son rapora göre yılda 374 milyon işçi ölümcül olmayan kazalara maruz kalırken, 2,78 milyon işçi ise hayatını kaybetmektedir. Yaşanan kazaların çoğu, insan hatası, eksik bilgi, eksik hazırlık, rahatsız ya da yorgun iken çalışma ve güvenlik prosedürlerinin tam olarak uygulanmamasından kaynaklanmaktadır. Son yıllarda çok önemli gelişmeler gösteren makine öğrenmesi çalışmalarının katkıları ile insan tarafından kolaylıkla tespit edilemeyecek işyeri güvenliği ihlallerini tespit edecek, raporlayacak, alarm üretip gerekli önlemleri alabilecek modeller eğitilerek bu alanlarda kullanılmakta, böylece yaralanma ve ölümlerin önüne geçilebilmektedir. Bu çalışmada iş sağlığı ve güvenliği alanında makine öğrenmesi uygulamaları ve çeşitleri ile kullanım alanları incelenmiş, kişisel koruyucu ekipman modellerinin eğitiminde kullanılan dört farklı özellikte veri seti seçilerek bu veri setleri üzerinde YOLOv5, YOLOv7 ve YOLOv8 mimarileri ile aktarımlı olarak eğitilen modeller karşılaştırmalı olarak incelenmiştir. Farklı veri setleri üzerinde YOLO mimarileri ile gerçekleştirilen eğitimler sonucunda YOLOv8 mimarisinin genel olarak YOLOv5 ve YOLOv7 mimarilerinden daha iyi sonuçlar verdiği, YOLOv7 modelinin ise yüksek çözünürlüklü görüntüler içeren veri setinde daha iyi sonuçlar verdiği tespit edilmiştir. Makine öğrenmesi modellerinin başarısını etkileyen en önemli etmenlerden olan hiper-parametrelerin, optimizasyon problemlerinin çözümünde etkili olarak kullanılan genetik algoritma kullanılarak YOLOv5 ve YOLOv7 mimarisinde CHV veri seti üzerinde optimize edilmiş ve YOLOv5 için standart hiper-parametrelere göre insan tespitinde mAP doğruluk değeri %96.3'ten %97.4'e, precision değeri % 92.1'den %92.6'ya ve YOLOv7 için AP ortalama doğruluk değeri %93.4'ten %96.3'e, F1-Skor değerinin %90'dan %94'e yükseltilmiş ve tüm değerlerde ortalama %3.34 daha başarılı sonuçlar elde edilmiştir.