Yapay zeka tabanlı görüntü işleme teknikleri ile iş güvenliğinde kullanılan kişisel ekipmanların tespit edilmesi

Yapay zeka (YZ), günümüzde pek çok sektörde dönüşüm yaratan en önemli teknolojilerden biri haline gelmiştir. Özellikle bilgisayarla görme alanında yaşanan gelişmeler, gerçek zamanlı veri analizi ile insan hayatını doğrudan etkileyen çözümler sunmaktadır. Bu çalışmada, YZ destekli nesne tespiti teknikleri kullanılarak işçi güvenliğini artırmaya yönelik bir uygulama geliştirilmiştir. Araştırmada, Kaggle platformunda sunulan "Railroad Worker Detection Dataset" adlı veri seti kullanılarak, demiryolu işçilerinin kişisel koruyucu donanım (KKD) kullanıp kullanmadıkları, özellikle baret ve yelek takıp takmadıkları, gerçek zamanlı görüntüler üzerinden tespit edilmeye çalışılmıştır. Bu amaçla derin öğrenmeye dayalı YOLOv5, YOLOv7 ve YOLOv8 algoritmaları kullanılarak bu modellerin performansları karşılaştırılmış ve en uygun çözüm yöntemi belirlenmiştir. Elde edilen bulgulara göre, çalışmada ele alınan nesne tespiti modelleri farklı ortamlarda çalışan işçilerin konumlarını, üzerlerindeki güvenlik ekipmanlarının varlığını yüksek doğrulukla belirleyebilmekte ve böylece iş kazalarının önüne geçilmesine katkı sağlamaktadır. Bu çalışma, yalnızca akademik bir araştırma olmanın ötesinde, kullanılan yöntemlerin endüstride doğrudan uygulanabilirliği sayesinde güvenli çalışma ortamlarının oluşturulmasına destek olacak pratik çözümler sunmaktadır. Ayrıca, derin öğrenme temelli nesne tespiti algoritmalarının iş sağlığı ve güvenliği alanında ne denli etkin bir şekilde kullanılabileceğini de ortaya koymaktadır.

Artificial intelligence (AI), has emerged as one of the most transformative technologies across various industries today. In particular, advances in computer vision have enabled real-time data analysis, offering solutions that directly impact human life. In this study, an application was developed to enhance worker safety using AI-powered object detection techniques. The research utilizes the "Railroad Worker Detection Dataset" available on the Kaggle platform to determine whether railway workers are wearing personal protective equipment (PPE)—specifically helmets and safety vests—based on real-time imagery. To this end, deep learning-based object detection algorithms YOLOv5, YOLOv7, and YOLOv8 were employed, and their performance was compared to identify the most effective solution. The findings indicate that the selected object detection models can accurately identify workers in various environments and detect the presence of safety equipment with high precision, thereby contributing to the prevention of occupational accidents. This study not only constitutes an academic research effort but also offers practical solutions that can be directly implemented in industrial settings to support the creation of safer working environments. Furthermore, it demonstrates the potential of deep learning-based object detection algorithms to be effectively utilized in the field of occupational health and safety.