Araştırma Makalesi

Çalışanın İş Sağlığı ve Güvenliği için Uygunluk Tespiti: Görüntü ve Ses İşleme ile Yorgunluk Tespiti ve Kişiye Özel Raporlama

Cilt: 36 Sayı: 3 26 Eylül 2024
PDF İndir
EN TR

Çalışanın İş Sağlığı ve Güvenliği için Uygunluk Tespiti: Görüntü ve Ses İşleme ile Yorgunluk Tespiti ve Kişiye Özel Raporlama

Öz

Günümüzde teknolojinin ilerlemesi, iş sağlığı ve güvenliği alanında çalışanların güvenliğini artırmaya yönelik yeni sistemlerin ortaya çıkmasına olanak tanımıştır. Ancak, tüm bu güvenlik önlemleri alındığında bile, işçinin yorgunluğunun güvenlikte kritik bir rol oynadığı unutulmamalıdır. Yorgun bir işçi, ne kadar güvenlik protokolü olursa olsun, bu protokolleri uygulamakta zorlanabilir. Bu nedenle, özellikle dikkat ve özen gerektiren endüstriyel görevlerde, çalışanların yorgun olup olmadığını belirlemenin hayati öneme sahip olduğu kabul edilmektedir. Çalışmada, işçilerin uzun ve kısa vadede işlerini sağlıklı bir şekilde sürdürebilmeleri adına yorgunluk tespitine odaklanıldı. Bu bağlamda, gerçek zamanlı video görüntülerini kullanarak, görüntü işleme teknikleriyle yüz tespiti gerçekleştirildi ve yüzdeki belirli referans noktaları haritalandı. Göz ve ağız açıklığı ile başın eğiklik seviyesi, yorgunluk belirtileri olarak belirlendi ve bu parametreler eşik değerlere göre değerlendirildi. Ayrıca, işçinin dikkatini ve bilgisini ölçmek amacıyla yorgunluk tespit sırasında iş sağlığı ve güvenliğiyle ilgili sesli ve görsel sorular da soruldu. Böylelikle işçinin belirli iş aktiviteleri ve ekipmanlar için ne kadar hazır olduğu belirlenmeye çalışıldı. Ek olarak, önerilen sistemde kullanılan yüz tanıma ile bireysel yorgunluk raporları hazırlandı. Deneysel çalışmalar sonucunda, önerilen sistemin öznel veri setindeki performansı doğruluk %80, kesinlik %85, duyarlılık %73 ve F1 skoru %75 olarak hesaplanmıştır. YawDD veri seti üzerinde ise doğruluk %95.99, kesinliği %96.83, duyarlılığı %95.58 ve F1 skoru %95.59 olarak belirlenmiştir.

Anahtar Kelimeler

Teşekkür

Bu makale, 791052 numaralı yüksek lisans tezinden türetilmiş olup, iş sağlığı ve güvenliği alanında yenilikçi ve önemli bulgular sunmaktadır. Çalışmamızın test edilmesinde gönüllü olarak yer alıp, gerçek bir test ortamı oluşturan 30 işçi arkadaşımıza sonsuz teşekkürlerimizi sunarız. Onların katkıları, bulgularımızın doğruluğunu ve güvenilirliğini artırmada büyük bir önem taşımaktadır. Ayrıca, makalemizin hazırlanmasında değerli zamanlarını ayırarak bilimsel titizlikle değerlendirme yapan saygıdeğer hakemlerimize en derin teşekkürlerimizi iletmek isteriz. Kıymetli yorumları, yapıcı eleştirileri ve önerileri ile çalışmamızın kalitesini ve bilimsel katkısını artırmamıza yardımcı oldular. Çalışmamızın alanımıza sağladığı katkılarda, onların rehberlik ve desteklerinin payı büyüktür. Teşekkür ederiz.

Kaynakça

  1. Ricci, J.A., Chee, E., Lorandeau, A.L. and Berger, J., (2007). Fatigue in the US workforce: prevalence and implications for lost productive work time. Journal of Occupational and Environmental Medicine, 1-10.
  2. Arıtan, A.E. and Ataman, M., (2017). Kaza oranları hesaplamalarıyla iş kazası analizi. Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 17(1), 239-246.
  3. Çavdar, U., Manyaslı, M., Akkaya, E., Sevener, D. and Tüfekçi, Z., (2022). Yaşanan iş kazalarının kaza saatlerine ve cinsiyete göre istatistiki olarak değerlendirilmesi ve yorumlanması. Journal of Engineering Research and Development, 14(1), 360-368.
  4. Ansari, S., Naghdy, F., Du, H. and Pahnwar, Y.N., (2021). Driver mental fatigue detection based on head posture using new modified relu-bilstm deep neural network. IEEE Transactions on Intelligent Transportation Systems, 28(8), 10957-10969.
  5. Cui, Z., Sun, H.M., Yin, R.N., Gao, L., Sun, H.B. and Jia, R.S., (2021). Real-time detection method of driver fatigue state based on deep learning of face video. Multimedia Tools and Applications, 80, 25495-25515.
  6. Adhinata, F.D., Rakhmadani, D.P. and Wijayanto, D., (2021). Fatigue detection on face image using facenet algorithm and k-nearest neighbor classifier. Journal of Information Systems Engineering and Business Intelligence, 7(1), 22-30.
  7. Li, X., Luo, J., Duan, C., Zhi, Y and Yin, P., (2021). Real-time detection of fatigue driving based on face recognition. In Journal of Physics: Conference Series, 1802(2), 022044.
  8. Sikander, G. and Anwar S., (2018). Driver fatigue detection systems: a review. IEEE Transactions on Intelligent Transportation Systems, 20(6), 2339-2352.

Ayrıntılar

Birincil Dil

Türkçe

Konular

Bilgi Modelleme, Yönetim ve Ontolojiler, Bilgi Sistemleri Kullanıcı Deneyimi Tasarımı ve Geliştirme, Karar Desteği ve Grup Destek Sistemleri

Bölüm

Araştırma Makalesi

Erken Görünüm Tarihi

19 Eylül 2024

Yayımlanma Tarihi

26 Eylül 2024

Gönderilme Tarihi

16 Kasım 2023

Kabul Tarihi

9 Temmuz 2024

Yayımlandığı Sayı

Yıl 2024 Cilt: 36 Sayı: 3

Kaynak Göster

APA
Yapıcı, A., Üstün, R., & Özcan, H. (2024). Çalışanın İş Sağlığı ve Güvenliği için Uygunluk Tespiti: Görüntü ve Ses İşleme ile Yorgunluk Tespiti ve Kişiye Özel Raporlama. International Journal of Advances in Engineering and Pure Sciences, 36(3), 200-210. https://doi.org/10.7240/jeps.1357794
AMA
1.Yapıcı A, Üstün R, Özcan H. Çalışanın İş Sağlığı ve Güvenliği için Uygunluk Tespiti: Görüntü ve Ses İşleme ile Yorgunluk Tespiti ve Kişiye Özel Raporlama. JEPS. 2024;36(3):200-210. doi:10.7240/jeps.1357794
Chicago
Yapıcı, Abdulkadir, Rumeysa Üstün, ve Hikmetcan Özcan. 2024. “Çalışanın İş Sağlığı ve Güvenliği için Uygunluk Tespiti: Görüntü ve Ses İşleme ile Yorgunluk Tespiti ve Kişiye Özel Raporlama”. International Journal of Advances in Engineering and Pure Sciences 36 (3): 200-210. https://doi.org/10.7240/jeps.1357794.
EndNote
Yapıcı A, Üstün R, Özcan H (01 Eylül 2024) Çalışanın İş Sağlığı ve Güvenliği için Uygunluk Tespiti: Görüntü ve Ses İşleme ile Yorgunluk Tespiti ve Kişiye Özel Raporlama. International Journal of Advances in Engineering and Pure Sciences 36 3 200–210.
IEEE
[1]A. Yapıcı, R. Üstün, ve H. Özcan, “Çalışanın İş Sağlığı ve Güvenliği için Uygunluk Tespiti: Görüntü ve Ses İşleme ile Yorgunluk Tespiti ve Kişiye Özel Raporlama”, JEPS, c. 36, sy 3, ss. 200–210, Eyl. 2024, doi: 10.7240/jeps.1357794.
ISNAD
Yapıcı, Abdulkadir - Üstün, Rumeysa - Özcan, Hikmetcan. “Çalışanın İş Sağlığı ve Güvenliği için Uygunluk Tespiti: Görüntü ve Ses İşleme ile Yorgunluk Tespiti ve Kişiye Özel Raporlama”. International Journal of Advances in Engineering and Pure Sciences 36/3 (01 Eylül 2024): 200-210. https://doi.org/10.7240/jeps.1357794.
JAMA
1.Yapıcı A, Üstün R, Özcan H. Çalışanın İş Sağlığı ve Güvenliği için Uygunluk Tespiti: Görüntü ve Ses İşleme ile Yorgunluk Tespiti ve Kişiye Özel Raporlama. JEPS. 2024;36:200–210.
MLA
Yapıcı, Abdulkadir, vd. “Çalışanın İş Sağlığı ve Güvenliği için Uygunluk Tespiti: Görüntü ve Ses İşleme ile Yorgunluk Tespiti ve Kişiye Özel Raporlama”. International Journal of Advances in Engineering and Pure Sciences, c. 36, sy 3, Eylül 2024, ss. 200-1, doi:10.7240/jeps.1357794.
Vancouver
1.Abdulkadir Yapıcı, Rumeysa Üstün, Hikmetcan Özcan. Çalışanın İş Sağlığı ve Güvenliği için Uygunluk Tespiti: Görüntü ve Ses İşleme ile Yorgunluk Tespiti ve Kişiye Özel Raporlama. JEPS. 01 Eylül 2024;36(3):200-1. doi:10.7240/jeps.1357794