İnşaat Sahalarında Güvenlik Kaskı Algılama için YOLO Algoritmalarının Performans Analizi

İnşaat sektörü, iş kazalarının en fazla yaşandığı alanlardan biridir. Bu nedenle, işçilerin sağlığını korumak ve kazaları önlemek amacıyla alınacak güvenlik önlemleri, özellikle güvenlik kasklarının kullanımı, büyük önem taşımaktadır. Derin öğrenme yöntemleri kaskları tespit edebilse de düşük ışık koşulları, yanlış kullanım ve güvenlik kasklarının tasarımlarındaki farklılıklar gibi zorluklar performansı etkileyebilmektedir. Bu zorlukların üstesinden gelebilmek için YOLO (You Only Look Once) gibi hızla gelişen derin öğrenme tabanlı nesne tespit algoritmalarının performanslarını karşılaştırmak gereklidir. Bu çalışma, YOLO algoritmasının çeşitli sürümlerinin büyük veri kümeleri üzerindeki performans analizini sunmaktadır. İnşaat sahalarında güvenlik kasklarının kullanımını izlemek ve iş kazalarını önlemeye yardımcı olmak amacıyla derin öğrenme tabanlı bir nesne tespit sistemi geliştirilmiştir. Bu amaçla, Hard Hat Workers ve BAC_HIEN_CONSTRUCTION_SAFETY_2024 veri setlerinde YOLOv5s, YOLOv8s, YOLOv11s ve YOLOv12s sürümleri değerlendirilmiştir. Deneysel sonuçlar, her bir modeli ortalama doğruluk, kesinlik, duyarlılık ve F1 skoru açısından, ayrıca işleme süresi ve gerçek zamanlı tespit yeteneği bakımından incelemiştir. Bulgular, güvenlik ihlallerinin tespiti için en uygun YOLO sürümünün belirlenmesine dair değerli bilgiler sunmakta ve iş güvenliği sistemlerinde daha etkili yapay zekâ tabanlı nesne tespit çözümlerinin geliştirilmesine katkı sağlamaktadır. Anahtar Kelimeler: Derin öğrenme; YOLO; Nesne tespiti; İş sağlığı ve güvenliği