PROJE ÖZETİ

 

Bu proje, iş güvenliği ve sağlığı konusunda gerekli iş ekipmanlarından biri olan baretin kontrolü için ip üzerinde otonom olarak hareket eden bir kamera sistemidir. Hareketi kablolar ile önceden ayarlanmış bir güzergah üzerinde, motorun döndürdüğü makaralar sayesinde sağlanan bu sistem tarafından kameradan alınan görüntüler üzerinde baretin tanınma ve kontrol işlemleri yapılır. Bu kontrol sonucunda hatalı bir durumda ses ile ortam uyarılır ve sorumlu kişiye gerekli rapor arayüz üzerinden ulaştırılır. Sorumlunun bilgi aldığı arayüz, masaüstü ortamında çalıştırılır. Sorumlu, bu arayüz üzerinden tespit edilen durumlara dair görüntü, zaman ve yer bilgilerine ulaşabilmektedir.

​

​

AMAÇ VE HEDEFLER

​

Projenin amacı, iş yerindeki çalışma ortamından ötürü işçilerin karşılaşabilecekleri iş kazalarının en aza indirilmesi veya ortadan kaldırılması, iş sağlığı ve güvenliği uzmanlarının iş yükünün azaltılması ve bu olayları sistematik hale getirerek takibinin kolaylaştırılmasıdır. Gelinen aşamada gerekli iş güvenliği ve sağlığı ekipmanlarından olan baret için amaca ulaşılmıştır.

 

Projenin öncelikli hedefi, gerekli olan ekipmanların işçiler üzerinde var olup olmadığının bütün iş güvenliği ve sağlığı ekipmanları için kontrolünün sağlanabilmesidir. Diğer bir hedef ise, gerekli ekipmanı giymeyen işçinin kimlik bilgilerinin tanımlanması ve bu bilgilerin sorumlu kişiye gönderilerek gerekli yaptırımın uygulanabilmesidir.

​

​

​

YÖNTEM

​

Projenin donanım kısmında kontrolün sağlanması için Raspberry Pi Model 3 kullanıldı. Hareketin sağlanması için 2 adet bayrak makara, 1 adet DC motor ve step motorun Raspberry Pi ile beraber kullanılabilmesi için L298N H-Bridge çift motor sürücü kartı kullanıldı. Alarm sisteminin sağlanması için bir adet buzzer ve için Raspberry Pi 3 Kamera Modülü kullanıldı. İp üzerindeki dengenin sağlanması için motorun ve makaraların uzaklıkları özellikle hesaplanarak sistem malzemeleri tasarlandı ve tasarlanan bu malzemelerin 3D Printer’dan çıktıları alınarak sistem için bir dizayn gerçekleştirildi.

Tanıma modülünde, iki farklı koldan çalışıldı: Makine öğrenmesi, Görüntü İşleme. Makine öğrenmesi tarafında, SVM (Support Vector Machine) algoritması kullanılarak bir model eğitildi. Ancak çalışılan süre zarfında ortam koşullarından kaynaklı olarak sağlıklı data elde edilememesi sebebiyle oluşturulan modelden istenen sonuç alınamadı. Bundan dolayı  görüntü işleme tarafında yapılan algoritmalar ile ilerlenmeye karar verildi. Görüntü İşleme tarafında ise önceden eğitilmiş Haar Cascade modelleri kullanılarak insan kafası tanındı ve bunun üzerinde baret tanıyabilmek için belli algoritmalar kullanıldı.

Etkileşim modülünde, kullanımı ile iletişimin sağlanması için bir arayüz oluşturuldu.​