Akademik Veri Yönetim Sistemi
UÇAR M. H. B., BALTÜRK A.(Yürütücü)
TÜBİTAK Projesi, 2022 - 2023
Çalışma hayatında, çalışanın verimini etkileyen önemli faktörlerin başında yorgunluk gelmektedir. Kişinin yorgun olması çalışma verimini olumsuz yönde etkiler. Bu durum hem çalışanın sağlığında hem de şirketin iş süreçlerinde aksamalara neden olabilir. Bahsi geçen aksamaların önüne geçme adına, bu proje önerisinde masa başında çalışan insanların yorgun olup olmadıklarına karar verebilen bir Yapay Zeka modeli geliştirmesi hedeflenmiştir. Bu sayede çalışan kişi eğer yorgunsa bunu hem kendisine hem be bir üst amirine bildirerek bu sorunun çözüme kavuşturulması ve ortaya çıkabilecek sorunları ortadan kaldırması ve iş yerindeki verimin arttırılması hedeflenmektedir.
Literatürde yapılan çalışmalar incelendiğinde benzer sistemlerin, özellikle taşıt sürücülerinin yorgunluk tespiti için kullanıldığı görülmektedir [1-9]. Biz de bu proje önerisinde benzer bir yaklaşımı masa başı çalışanlarına uygulayarak, iş süreçlerinin sağlıklı sürdürülebilmesini ve dolayısıyla iş veriminin arttırmasını amaçlayan çalışanların yorgun olup olmadıklarına karar verebilen bir yapay zeka modelinin geliştirilmesini hedefledik.
Literatürde yorgunluk tespit için yapılan sınıflandırmalarda kişilerin ya göz bölgesi ya da ağız bölgesinin dikkate alınarak değerlendirmelerin yapıldığı gözlemlenmektedir. Bu proje önerisinde ise yorgunluk tespitinde hem ağız hem de göz bölgesi dikkate alınarak melez bir sınıflandırma yaklaşımı ele alınacaktır. Ek olarak gözaltı bölgesinde yorgunluk ve halsizlik durumlarında ortaya çıkan renk değişimi de (gözaltı morlukları gibi) değerlendirmelerde dikkate alınacaktır.
Projemizde görüntülerin alınabilmesi ve işlenebilmesi için görüntü işleme tekniklerinde, modelimizi eğitebilmek için yapay zekâ, makine öğrenmesi ve derin öğrenme modellerinden ve bildirim gönderebilmek için gömülü sistemlerden yararlanacağız. Bu kapsamda, OpenCV kütüphanesi, Haar Cascade sınıflandırıcı, yerel ikili örüntülerden (local binary pattern), yönlendirilmiş gradyanların histogramı (histogram of oriented gradient) metotlarından faydalanacağız. Makine öğrenmesi için destek vektör makinesi (support vector machine), VGG-16, çok katmanlı algılayıcı (multi layer perceptron) yöntemlerinden yararlanacağız. Bunun yanında göz kapama sıklığı olarak bilinen percentage of eye closure metodundan da yararlanacağız. Projemizde, geliştirilecek modelle tespit edilecek yorgunluk durumunun ilgili çalışana bildirilmesi ve bir üst amirine raporlanması amaçlanmaktadır. Bu bildirimlerin masaüstü bildirimi, mail veya kısa mesaj şeklinde olması ve kişinin yorgunluk durumunun da raporlamak üzere veritabanında saklanması planlanmaktadır.