
Yapay zekâ ile KKD tespiti nasıl çalışır?
Baret, yelek, gözlük ve eldiveni kamera görüntüsünden kişi bazında kontrol eden sistemlerin arkasındaki mantık, doğruluğu etkileyen faktörler ve sahada dikkat edilmesi gerekenler.
Kişisel koruyucu donanım (KKD) kontrolü, iş güvenliğinin en temel ama en zor sürdürülen parçasıdır. Vardiya başında herkes baretini takar; iki saat sonra sıcak bir hatta, aceleyle yapılan bir müdahalede baret tezgâhın üzerinde kalır. Manuel denetim bu anı yakalayamaz çünkü denetim örneklemelidir: İSG uzmanı sahayı günde birkaç kez gezer, gerisi görünmezdir.
Yapay zekâ destekli KKD tespiti bu boşluğu kapatır. Mevcut kameralardan gelen her kare analiz edilir, eksik ekipman kişi bazında tespit edilir ve ihlal anında ilgili ekibe kanıt görüntüsüyle bildirilir.
Sistem bir kareyi nasıl okur?
KKD tespiti tek bir modelin işi değildir; birbirini izleyen birkaç adımdan oluşur:
- Kişi tespiti: Karedeki her çalışan bir sınır kutusuyla işaretlenir.
- Takip: Aynı kişi kareler boyunca izlenir. Böylece bir çalışan için saniyede onlarca alarm yerine tek bir olay üretilir.
- Ekipman sınıflandırma: Kişinin baş, gövde, el ve yüz bölgelerinde baret, yelek, eldiven, gözlük, maske, kulaklık gibi ekipmanlar aranır.
- Kural motoru: "Bu bölgede baret ve yelek zorunlu, kaynak alanında ayrıca maske" gibi alan bazlı kurallar uygulanır.
- Olay üretimi: İhlal belirli bir süre boyunca devam ederse (örneğin 3 saniye) olay oluşturulur, kanıt karesi kaydedilir.
Doğruluğu ne belirler?
Sahada ölçtüğümüz KKD doğruluğu ortalama %90 civarındadır; ancak bu değer kurulum kalitesine doğrudan bağlıdır. En çok etkileyen faktörler:
- Kamera açısı: Tam tepeden bakan kameralar baret için iyi, yüz bölgesindeki maske ve gözlük için kötüdür. 30–45 derece eğimli açı çoğu senaryo için dengelidir.
- Piksel yoğunluğu: Kişinin karede yeterince büyük görünmesi gerekir. Geniş bir hangarı tek kamerayla izlemek, eldiven gibi küçük ekipmanlarda doğruluğu düşürür.
- Aydınlatma: Ters ışık ve gece koşulları için IR destekli veya geniş dinamik aralıklı (WDR) kameralar tercih edilmelidir.
- Tesis özelinde veri: Sizin baretinizin rengi, yeleğinizin deseni modelin daha önce gördüklerinden farklı olabilir. Birkaç günlük saha verisiyle yapılan ince ayar doğruluğu belirgin şekilde artırır.
Alarm geldi, sonra ne olur?
Tespit, ancak aksiyona dönüştüğünde değer üretir. İyi kurgulanmış bir akışta ihlal olayı aynı anda birden fazla kanala gider:
- Vardiya amirinin telefonuna mobil bildirim,
- Güvenlik veya İSG izleme ekranında VMS popup,
- Kritik bölgelerde saha sireni veya flaşör,
- Panelde zaman damgalı kanıt kaydı.
Bu kayıtlar zamanla çok değerli bir veri setine dönüşür: Hangi bölgede, hangi vardiyada, hangi ekipman en çok ihlal ediliyor? Bu sorunun cevabı, eğitim ve saha düzenlemesi kararlarını tahmine değil veriye dayandırır.
Çalışan mahremiyeti
KKD tespiti bir "çalışanı izleme" aracı değil, bir risk görünürlüğü aracıdır. Bu yüzden önerdiğimiz kurulumlarda görüntü tesis içinde işlenir, panelde kişi kimliği yerine bölge ve ekipman bilgisi öne çıkarılır, kanıt karelerinin saklama süresi İSG ve hukuk ekipleriyle birlikte belirlenir.
Hedef ihlal yakalamak değil, ihlalin tekrarlanmayacağı bir saha düzeni kurmaktır.
Nereden başlamalı?
En verimli başlangıç, risk yoğunluğu en yüksek 2–3 alanı seçip burada 30 günlük bir pilot yürütmektir. Pilot süresince günlük ihlal sayısı, müdahale süresi ve tekrar oranı ölçülür; sonuç olumluysa aynı altyapı üzerinde diğer alanlara ve diğer İSG analizlerine genişlenir.
Diğer yazılar
Tümü
Forklift – yaya çarpışmalarını görüntü analitiğiyle önlemek
Depo ve üretim alanlarında forklift ile yaya arasındaki mesafeyi kamera üzerinden anlık ölçmek mümkün mü? Kalibrasyon, eşik belirleme ve saha tetikleme üzerine pratik bir rehber.
Yazıyı oku
Edge AI neden önemli? Görüntü tesisten çıkmadan analiz
Yapay zekâ analizini bulutta değil tesis içinde yapmanın gecikme, bant genişliği, süreklilik ve KVKK açısından getirdiği avantajlar; Edge, Cloud ve Hibrit modellerin karşılaştırması.
Yazıyı oku
Kamerayla OEE ölçmek: kayıp zamanı görünür kılmak
Aktif çalışma, boşta kalma, makine duruşu ve cycle-time'ı ek sensör takmadan kamera görüntüsünden ölçmek. Hangi metrikler, nasıl yorumlanır, nereden başlanır?
Yazıyı oku
