İnsan - endüstriyel mobil robot etkileşiminde güvenlik önlemlerinin boyutlandırılması için nesne tespit modeli geliştirme
Yükleniyor...
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Gazi Universitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
İnsan-robot etkileşiminde, güvenlik önlemleri için geleneksel olarak tek düzey güvenlik önlemleri uygulanır ve çalışanlara ait kriterler dikkate alınmaz. Bununla birlikte nesne tespit teknolojisi kullanılarak yeni bir yöntem geliştirilebilir; koruyucu donanım kullanımı ve yetki seviyeleri gibi çalışanlara özgü kriterleri tespit edilerek insan-robot etkileşimi risk seviyesi belirlenebilir ve risk büyüklüğüne bağlı olarak farklı büyüklükte güvenlik önlemleri uygulanabilir. Bu araştırmada, YOLOv5n, YOLOv8n ve SSD MobileNet V3 nesne tespit modelleri bu amaçla geliştirilmiş ve analiz edilmiştir. Bulgular, YOLO ailesine ait mimarilerin daha hızlı çalıştığını ve daha yüksek doğruluk seviyelerine ulaştığını ortaya koymuştur. YOLOv5n algoritması GPU kullanımı ile 650 FPS hıza ve test verileriyle yapılan değerlendirme sonucunda %95,7'lik bir F1 doğruluk değerine ulaşılmıştır. Sonuçlar, nesne tespit teknolojisinin yakınlık senyörleriyle eş zamanlı olarak uygulanabilecek bir doğruluk ve hıza ulaştığını ve endüstriyel mobil robotların güvenlik önlemleri almadan önce çalışanların özelliklerini tespit edebileceğini ve riskleri derecelendirebileceğini göstermektedir. Bu durum daha güvenli çalışma ortamı oluşmasına, gereksiz önlemlerin elimine ve operasyonel verimliliğin optimize edilmesine olanak verir. Ayrıca bu yöntem, güvenli çalışma ortamların sağlanmasına yönelik olarak birçok sektörde ve alanda da uygulanabilir.
In human -robot interaction, single -level safety measures are traditionally applied, and employee -specific criteria are not taken into account. However, a new method can be developed using object detection technology, and the risk level of human -robot interaction can be determined by identifying employeespecific criteria such as the use of protective equipment and authorization levels, and different -sized safety measures can be applied depending on the risk magnitude. In this study, YOLOv5n, YOLOv8n, and SSD MobileNet V3 object detection models were developed and analyzed for this purpose. The results show that architectures belonging to the YOLO family run faster and achieve higher levels of accuracy. The YOLOv5n algorithm achieved a speed of 650 FPS with the use of a GPU and an F1 accuracy of 95.7% as a result of the evaluation with test data. The results show that object detection technology has reached an accuracy and speed that can be applied simultaneously with proximity senors, and that industrial mobile robots can detect worker characteristics and rate risks before taking safety measures. This allows for safer working environments, eliminates unnecessary precautions, and optimizes operational efficiency. In addition, this method can be applied in many sectors and areas to provide safe working environments.
In human -robot interaction, single -level safety measures are traditionally applied, and employee -specific criteria are not taken into account. However, a new method can be developed using object detection technology, and the risk level of human -robot interaction can be determined by identifying employeespecific criteria such as the use of protective equipment and authorization levels, and different -sized safety measures can be applied depending on the risk magnitude. In this study, YOLOv5n, YOLOv8n, and SSD MobileNet V3 object detection models were developed and analyzed for this purpose. The results show that architectures belonging to the YOLO family run faster and achieve higher levels of accuracy. The YOLOv5n algorithm achieved a speed of 650 FPS with the use of a GPU and an F1 accuracy of 95.7% as a result of the evaluation with test data. The results show that object detection technology has reached an accuracy and speed that can be applied simultaneously with proximity senors, and that industrial mobile robots can detect worker characteristics and rate risks before taking safety measures. This allows for safer working environments, eliminates unnecessary precautions, and optimizes operational efficiency. In addition, this method can be applied in many sectors and areas to provide safe working environments.
Açıklama
Anahtar Kelimeler
Nesne Tespiti, Robot Güvenliği, Güvenli Çalışma, YOLOv5n, SSD Mobilenet V3, Object Detection, Robot Safety, Safe Operation, SSD MobileNet V3, YOLOv5n
Kaynak
Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi
WoS Q Değeri
Q3
Scopus Q Değeri
Q2
Cilt
39
Sayı
4
