Conceptual Design of an Intelligent IoT-Based System for RealTime Monitoring of Underground Mine Workers' Vital Signs and Safety

Abstract

Underground mines are high-risk working environments where hazardous gases, oxygen deficiency, elevated temperature, physical fatigue, and limited access to workers can lead to severe safety incidents. Delays in detecting dangerous conditions and initiating emergency responses can further increase the consequences of such incidents. This study proposes a conceptual intelligent Internet of Things (IoT)-based system for real-time monitoring of both workers' physiological conditions and their surrounding environmental conditions in underground mines. The proposed architecture consists of three main layers: a smart vest, a tunnel communication layer, and a central control station. The smart vest integrates physiological and environmental sensors to collect data such as heart rate, blood oxygen saturation, body temperature, motion status, methane, carbon monoxide, ambient oxygen concentration, temperature, and humidity. An ESP32-based processing unit is considered for local data acquisition and preliminary processing, while LoRa-based communication nodes are proposed to transmit data through underground tunnels. A central control station based on a Raspberry Pi is designed to receive, store, visualize, and manage monitoring data and emergency alerts. A threshold-based decision mechanism is initially considered for identifying potentially hazardous conditions, while the architecture is designed to support future integration of machine learning methods for personalized anomaly detection and predictive safety monitoring. The study provides a technical evaluation of the proposed architecture, its components, communication structure, operational scenarios, and implementation limitations. As a conceptual design, the proposed system does not claim field-tested performance; rather, it provides a structured framework for future prototype development, laboratory evaluation, and deployment in underground mining environments.

Keywords

• Internet of Things
• Artificial Intelligence
• Cyber-Physical Systems
• Wearable Sensors
• Machine Learning
• Mine Safety
• Underground Mining
• Vital Sign Monitoring

Supporting Institution

No supporting institution.

Ethical Statement

This study did not involve human participants, animals, or identifiable personal data. Therefore, ethical committee approval was not required.

Thanks

The author would like to thank the individuals and organizations whose publicly available technical documentation supported the conceptual development of this study.

Yeraltı Madenlerinde İşçilerin Yaşamsal Bulgularının ve Güvenliğinin Gerçek Zamanlı İzlenmesi için Akıllı IoT Tabanlı Bir Sistemin Kavramsal Tasarımı

Abstract

Yeraltı madenleri; tehlikeli gazların birikmesi, oksijen yetersizliği, yüksek sıcaklık, fiziksel yorgunluk ve işçilere erişimin sınırlı olması gibi faktörler nedeniyle yüksek riskli çalışma ortamlarıdır. Tehlikeli koşulların tespit edilmesinde ve acil müdahalenin başlatılmasında yaşanan gecikmeler, bu tür olayların sonuçlarını daha da ağırlaştırabilmektedir. Bu çalışmada, yeraltı madenlerinde işçilerin fizyolojik durumlarının ve çevresel koşulların gerçek zamanlı olarak izlenmesi amacıyla akıllı Nesnelerin İnterneti (IoT) tabanlı kavramsal bir sistem önerilmektedir. Önerilen mimari üç temel katmandan oluşmaktadır: akıllı yelek, tünel iletişim katmanı ve merkezi kontrol istasyonu. Akıllı yelek; kalp atış hızı, kan oksijen doygunluğu, vücut sıcaklığı, hareket durumu, metan, karbon monoksit, ortam oksijen konsantrasyonu, sıcaklık ve nem gibi fizyolojik ve çevresel verileri toplamak üzere sensörleri entegre etmektedir. Veri toplama ve ön işleme için ESP32 tabanlı bir işlem birimi, yeraltı tünellerinde veri aktarımı için ise LoRa tabanlı iletişim düğümleri önerilmektedir. Raspberry Pi tabanlı merkezi kontrol istasyonu, izleme verilerinin ve acil durum uyarılarının alınması, depolanması, görselleştirilmesi ve yönetilmesi amacıyla tasarlanmıştır. Başlangıç aşamasında tehlikeli durumların belirlenmesi için eşik tabanlı bir karar mekanizması ele alınırken, mimari gelecekte kişiselleştirilmiş anomali tespiti ve öngörücü güvenlik izleme amacıyla makine öğrenmesi yöntemlerinin entegrasyonunu destekleyecek şekilde tasarlanmıştır. Çalışmada önerilen mimarinin teknik yapısı, bileşenleri, iletişim yapısı, çalışma senaryoları ve uygulama sınırlılıkları değerlendirilmektedir. Kavramsal bir tasarım olarak bu çalışma, saha ortamında test edilmiş bir performans iddiasında bulunmamakta; bunun yerine gelecekteki prototip geliştirme, laboratuvar değerlendirmeleri ve yeraltı madenlerinde uygulama için yapılandırılmış bir çerçeve sunmaktadır.

Keywords

• Nesnelerin İnterneti
• Yapay Zekâ
• Siber-Fiziksel Sistemler
• Giyilebilir Sensörler
• Yaşamsal Bulguların İzlenmesi
• Yeraltı Madenciliği
• Maden Güvenliği

Supporting Institution

Herhangi bir destekleyici kurum bulunmamaktadır.

Ethical Statement

Bu çalışma insan katılımcıları, hayvanları veya kimliği belirlenebilir kişisel verileri içermemektedir. Bu nedenle etik kurul onayı gerekmemiştir.

Thanks

Yazar, bu çalışmanın kavramsal geliştirilmesine katkı sağlayan kamuya açık teknik dokümantasyonları sunan kişi ve kuruluşlara teşekkür eder.

References

1. Analog Devices. (2018). MAX30102: High-sensitivity pulse oximeter and heart-rate sensor for wearable health (Rev. 1). https://www.analog.com/en/products/MAX30102.html
2. Bland, J. M., & Altman, D. G. (1986). Statistical methods for assessing agreement between two methods of clinical measurement. The Lancet, 327(8476), 307–310. https://doi.org/10.1016/S0140-6736(86)90837-8
3. Branch, P. (2022). Measurements and models of 915 MHz LoRa radio propagation in an underground gold mine. Sensors, 22(22), 8653. https://doi.org/10.3390/s22228653
4. Duan, L.-C., Minh, N.-N., Dung, T.-C., & Linh, T.-T. (2026). Energy-efficient TinyML approach for wearable fall detection on edge devices using spatial-temporal deep learning. International Journal of Technology, 17(3), 919–935. https://doi.org/10.14716/ijtech.v17i3.8445
5. Farahani, B., Firouzi, F., Chang, V., Badaroglu, M., Constant, N., & Mankodiya, K. (2018). Towards fog-driven IoT eHealth: Promises and challenges of IoT in medicine and healthcare. Future Generation Computer Systems, 78, 659–676. https://doi.org/10.1016/j.future.2017.04.036
6. IECEx. (n.d.). IECEx Certified Equipment Scheme: Overview. https://www.iecex.com/certified-equipment-scheme/overview/ (accessed 14 October 2026).
7. International Labour Organization. (2009). Safety and health in underground coalmines: ILO code of practice. Geneva: ILO. https://researchrepository.ilo.org/esploro/outputs/995218841102676
8. Jiang, Y., Chen, W., Zhang, X., Zhang, X., & Yang, G. (2024). Real-time monitoring of underground miners’ status based on mine IoT system. Sensors, 24(3), 739. https://doi.org/10.3390/s24030739

9. Ometov, A., Shubina, V., Klus, L., Skibińska, J., Saafi, S., Pascacio, P., Flueratoru, L., Quezada Gaibor, D., Chukhno, N., Chukhno, O., Ali, A., Channa, A., Svertoka, E., Bin Qaim, W., Casanova-Marqués, R., Holcer, S., Torres-Sospedra, J., Casteleyn, S., Ruggeri, G., Araniti, G., Burget, R., Hosek, J., & Lohan, E. S. (2021). A survey on wearable technology: History, state-of-the-art and current challenges. Computer Networks, 193, 108074. https://doi.org/10.1016/j.comnet.2021.108074
10. Rahmani, A. M., Gia, T. N., Negash, B., Anzanpour, A., Azimi, I., Jiang, M., & Liljeberg, P. (2018). Exploiting smart e-Health gateways at the edge of healthcare Internet-of-Things: A fog computing approach. Future Generation Computer Systems, 78, 641–658. https://doi.org/10.1016/j.future.2017.02.014
11. Sucerquia, A., López, J. D., & Vargas-Bonilla, J. F. (2017). SisFall: A fall and movement dataset. Sensors, 17(1), 198. https://doi.org/10.3390/s17010198
12. Theissen, M., Kianfar, A. E., & Clausen, E. (2025). LoRa propagation and coverage measurements in underground potash salt room-and-pillar mines. Sensors, 25(12), 3594. https://doi.org/10.3390/s25123594
13. Winsen. (n.d.). MQ-4 MOS flammable gas sensor for methane CH4 detector: Product specifications and manual. https://www.winsen-sensor.com/product/mq-4.html (accessed 14 October 2026).
14. Yarkan, S., Guzelgoz, S., Arslan, H., & Murphy, R. R. (2009). Underground mine communications: A survey. IEEE Communications Surveys & Tutorials, 11(3), 125–142. https://doi.org/10.11