Madenlerde iş sağlığı ve güvenliği alanında baret denetimi için yeni bir tasarım

Year 2024, Volume: 14 Issue: 4, 1110 - 1119, 15.12.2024

Hasan Eker , Mehmet Fatih Özlük

https://doi.org/10.17714/gumusfenbil.1463675

Abstract

Türkiye’de, iş kazalarının son yıllarda arttığı görülmektedir. Meydana gelen iş kazalarının % 0.3’ü ölümle sonuçlanmaktadır. Türkiye’de her gün yaklaşık 4.2 kişi iş kazası sonucu hayatını kaybetmektedir. Meydana gelen iş kazalarının yapılan çalışmaların ortalaması dikkate alındığında yaklaşık % 14.6’sı baş ve boyun yaralanması olarak karşımıza çıkmaktadır. Madencilik sektöründe yaşanan iş kazaları sonucu baş ve boyun yaralanmalarının sebepleri arasında çalışanların baretini takmaması, baret kullanmaması veya iş yeri içerisinde baretini çıkararak çalışması sayılabilir. Bu çalışmada; madenlerde çalışanların baretini çıkardığı anda, uzaktan algılanarak ve ilgili mühendis veya çalışanın ekranına çıkarıldığını haber veren bir baret tasarımı üzerinde durulmuştur. Tasarım olarak yapılan bu baret Karabük ilinde yer alan bir mermer işletmesinde tasarım aşamasında test edilmiştir. Sonuç olarak, madenlerde iş sağlığı ve güvenliği kurallarına uymayıp baret takmayan çalışanların iş kazasına yakalanmadan önce tespit edilerek baş ve boyun yaralanmaları gibi ciddi iş kazalarının önüne geçmesi amaçlanmaktadır.

Keywords

Baret tasarımı, Baret algılama, Madenlerde iş sağlığı ve güvenliği

A new design for helmet detection in occupational health and safety in mines

Abstract

In Turkey, occupational accidents have increased in recent years. 0.3% of occupational accidents result in death. Approximately 4.2 people die every day in Turkey as a result of work accidents. Considering the average of the studies, approximately 14.6% of the occupational accidents are head and neck injuries. Among the reasons for head and neck injuries as a result of occupational accidents in the mining sector are not wearing a hard hat, not using a hard hat or working by removing the hard hat in the workplace. This study focuses on the design of a helmet that can be remotely detected and notified to the relevant engineer or employee's screen when the employee removes his/her helmet. As a result, it is aimed to prevent serious occupational accidents such as head and neck injuries by identifying employees who do not comply with occupational health and safety rules in mines and do not wear hard hats before they are caught in an occupational accident.

Keywords

Helmet design, helmet detection, Occupational health and safety in mines

References

• Agarwal, N., Singh, A. K., Singh, P. P., & Sahani, R. (2015). Smart helmet. International Research Journal of Engineering and Technology, 2(02), 3.
• Allamki, L., Panchakshari, M., Sateesha, A., & Pratheek, K. S. (2019). Helmet detection using machine learning and automatic License Plate Recognition. International Research Journal of Engineering and Technology (IRJET), 6(12), 4475-4480.
• Boonsirisumpun, N., Puarungroj, W., & Wairotchanaphuttha, P. (2018). Automatic detector for bikers with no helmet using deep learning. In 2018 22nd International Computer Science and Engineering Conference (ICSEC) (pp. 1-4). IEEE.
• Celik, K., Yilmaz, F., Kavalci, C., Ozlem, M., Demir, A., Durdu, T., ... & Yel, C. (2013). Occupational injury patterns of Turkey. World journal of emergency surgery, 8, 1-6
• Devadiga, K., Gujarathi, Y., Khanapurkar, P., Joshi, S., Deshpande, S., Devadiga, K., ... & Deshpande, S. (2018). Real time automatic helmet detection of bike riders. International Journal, 4, 146-148.
• Karakurt, Ü., Satar, S., Açıkalın, A., Bilen, A., Gülen, M., & Baz, Ü. (2013). Acil tıp kliniğine başvuran iş kazalarının analizi. The Journal of Academic Emergency Medicine, 12, 19-23
• Kekeç, Z., Ünalan, D., Şenol, V., & Çetinkaya, F. (2003). Erciyes üniversitesi Tıp Fakültesi Acil Servisine başvuran iş kazalarının değerlendirilmesi. Fırat Üniversitesi Sağlık Bilimleri Tıp Dergisi, 17(4), 277-83.
• KKD, (2024). Kişisel koruyucu donanımların işyerlerinde kullanılması hakkında yönetmeliği, https://www.mevzuat.gov.tr/mevzuat?MevzuatNo=18540&MevzuatTur=7&MevzuatTertip=5 (Erişim Tarihi: 25.03.2024)
• Kurkute, S., Ahirao, N., Ankad, R. G., & Khatal, V. B. (2019, February). IOT based smart system for the Helmet detection. In Proceedings of International Conference on Sustainable Computing in Science, Technology and Management (SUSCOM), Amity University Rajasthan, Jaipur-India.
• Li, K., Zhao, X., Bian, J., & Tan, M. (2018). Automatic safety helmet wearing detection. arXiv preprint arXiv:1802.00264.
• Liu, Y., & Tian, Y. (2023). DCMS-YOLOv5: A Dual-Channel and Multi-Scale Vertical Expansion Helmet Detection Model Based on YOLOv5. Engineering Letters, 31(1).
• Long, X., Cui, W., & Zheng, Z. (2019). Safety helmet wearing detection based on deep learning. In 2019 IEEE 3rd information technology, networking, electronic and automation control conference (ITNEC) (pp. 2495-2499). IEEE.
• Mehrdad, R., Seifmanesh, S., Chavoshi, F., Aminian, O., & Izadi, N. (2014). Epidemiology of occupational accidents in Iran based on social security organization database. Iranian Red Crescent Medical Journal, 16(1).
• Ozkan, S., Kilic, S., Durukan, P., Akdur, O., Vardar, A., Geyik, S., & İkizceli, İ. (2010). Occupational injuries admitted to the Emergency Department. Ulus Travma Acil Cerrahi Derg, 16(3), 241-7.
• SGK, (2024). 2022 yılı istatistik bilgi, https://www.sgk.gov.tr/Istatistik/Yillik/fcd5e59b-6af9-4d90-a451-ee7500eb1cb4/ (Erişim Tarihi: 20.03.2024)
• Yavuz, M. S., Aşırdizer, M., Ulucay, T., Zeyfeoğlu, Y., Erbuyun, K., & Güllüçayır, S. (2007). İş kazası sonucu acil servise müracaat eden olgular. 6. Manisa, 6, 6-9.