SiteAssist, Ultralytics YOLO ile 770 binden fazla görüntüyü işleyerek şantiye güvenliğini artırıyor

Şantiyeler, ekiplerin çalışma başlamadan önce katı güvenlik prosedürlerini izlemesi gereken kaldırma operasyonları ve sıcak çalışma gibi yüksek riskli faaliyetleri içerir. Bu kontrolleri teyit etmek için çalışanlar genellikle dijital iş akışları üzerinden kanıt olarak fotoğraf yüklerler.

Ancak bu görüntüleri incelemek her zaman basit değildir. Görüntüler net olmayabilir, eksik olabilir veya bazen yanıltıcı olabilir; bu da özellikle büyük projelerde güvenlik gereksinimlerinin gerçekten karşılanıp karşılanmadığını bilmeyi zorlaştırır.

SiteAssist, bir dizi araç ve yapay zekayı kullanarak bu iş akışlarını dijital platformu üzerinden destekler. Özellikle bilgisayarlı görü modelleri gibi Ultralytics YOLO modelleri, yüklenen görüntüleri analiz etmek için kullanılır; böylece platform şantiyede neler olup bittiğini anlar, geçersiz gönderileri işaretler ve potansiyel sorunları vurgular. Bu, manuel çabayı azaltır ve ekiplerin tutarlı güvenlik standartlarını korumasını sağlar.

Link to this sectionYapay zeka kullanarak şantiyelerde güvenliği ve uyumluluğu artırmak#

SiteAssist, inşaat, altyapı ve diğer kritik sektörlerde yüksek riskli faaliyetleri yöneten ekipler için tasarlanmış bir çalışma kontrol platformudur. Kazı, sıcak çalışma, kaldırma ve kapalı alan operasyonları gibi görevleri destekleyerek karmaşık, kağıt tabanlı süreçlerin yerini yapılandırılmış dijital iş akışlarına bırakır.

Balfour Beatty, Taylor Woodrow (VINCI), Skanska ve HG Construction gibi şirketler, tutarlılığı artırmak, uyumluluğu sürdürmek ve projelerin sorunsuz ilerlemesini sağlamak için SiteAssist'i kullanıyor. Platform, izinleri ve iş akışlarını dijitalleştirerek ekiplerin potansiyel riskleri belirlemesine ve güvenlik gereksinimlerinin tutarlı bir şekilde uygulanmasına yardımcı oluyor.

Bugün SiteAssist, binlerce çalışanı destekleyerek ekiplere günlük operasyonlar hakkında daha net bir içgörü sunuyor. Bu iyileştirilmiş görünürlüğe sahip olmak, ekiplere güvenlik süreçleri üzerinde daha fazla kontrol sağlıyor.

Link to this sectionİnşaat güvenliği kontrolleri neden ölçek büyüdüğünde aksıyor?#

Şantiyeleri güvenli tutmak ve sorunsuz çalıştırmak basit değildir. Büyük projeler genellikle birden fazla konumda faaliyet gösteren binlerce çalışanı içerir ve her biri, çalışma başlamadan önce sıkı güvenlik kontrolleri gerektiren yüksek riskli görevleri yerine getirir.

Bu kontrollerin tamamlandığını doğrulamak için çalışanların genellikle dijital iş akışlarına veya izin sistemlerine kanıt olarak fotoğraf yüklemeleri gerekir. Ancak bu gönderileri incelemek her zaman kolay değildir.

Görüntüler net olmayabilir, eksik olabilir veya bazen yanıltıcı olabilir; bu da güvenlik gereksinimlerinin gerçekten karşılanıp karşılanmadığını teyit etmeyi zorlaştırır. Onaylayan kişiler, doğru ekipmanı, uygun kurulumu ve genel uyumluluğu kontrol ederek her bir gönderiyi manuel olarak incelemek zorundadır.

Gönderi sayısı arttıkça, bu süreç daha fazla zaman alıcı hale gelir ve tutarlı bir şekilde yönetilmesi zorlaşır. Aynı zamanda, birçok proje hala kağıt tabanlı izinlere veya kısmen dijitalleştirilmiş iş akışlarına güvenmektedir.

Bu durum onayları yavaşlatır, darboğazlar oluşturur ve şantiye faaliyetlerinin gerçek zamanlı görünürlüğünü sınırlar. Ekiplerin şahsen takip etmesi veya kontrolleri tekrarlaması gerekebilir, bu da ek gecikmelere yol açar.

Operasyonlar büyüdükçe bu zorluklar, tutarlı güvenlik standartlarını korumayı zorlaştırır ve kaçırılan veya geciken kontrollerin riskini artırır.

Link to this sectionUltralytics YOLO modelleri ile sağlam güvenlik kontrollerini mümkün kılmak#

SiteAssist, izin iş akışlarını gerçek zamanlı görüntü doğrulama ile birleştirerek güvenlik kontrollerini basitleştirir. Ekipler manuel incelemelere güvenmek yerine, sahada doğrudan görüntü çekip yükleyebilir ve her gönderi onay sürecinden önce doğrulanır. Bu, değişen koşullarda bile güvenlik kontrollerinin tutarlı bir şekilde gerçekleşmesini sağlar.

Sahne arkasında her yüklenen görüntü, şantiyede nelerin mevcut olduğunu anlamak için nesne tespiti ve görüntü sınıflandırma gibi görme görevlerinden yararlanılarak Ultralytics YOLO modelleri kullanılarak analiz edilir.

Ultralytics YOLO26 gibi modeller, platformu aracılığıyla gerçek şantiyelerden toplanan görüntülerden oluşturulan SiteAssist'in kendi veri setleri üzerinde ince ayar yapılmıştır. Buna yangın söndürücüler, güvenlik ekipmanları, gaz tüpleri ve yaygın elektrikli aletler ile makineler gibi yaklaşık 45 inşaatla ilgili nesne dahildir.

Sistem, bu nesneleri tanımlar ve gerekli öğelerin görünüp görünmediğini kontrol ederek eksik veya beklenen kriterleri karşılamayan her şeyi işaretler. Ayrıca, gerçek şantiye koşullarında çekilmeyen görüntüler gibi geçersiz gönderileri de vurgulayabilir. Bu gönderiler genelinde, görüntü başına ortalama 1,7 nesne tespit edilmekte olup, arka plan görüntüleri hariç tutulduğunda bu sayı 2,7'ye çıkarak şantiyedeki anlamlı faaliyet yoğunluğunu vurgulamaktadır.

Ultralytics YOLO modellerinin SiteAssist içinde nasıl kullanıldığına dair birkaç örnek:

• Canlı görüntüleri doğrulama: Sistem, yüklenen bir görüntünün ekran fotoğrafı gibi gerçek koşullarda çekilmediğini tespit edebilir ve inceleme için işaretleyebilir.
• Ekipmanları tespit etme ve sayma: Sistem, yangın söndürücüler gibi gerekli öğeleri tanımlayabilir ve doğru sayının mevcut olup olmadığını kontrol edebilir. Bazı durumlarda, ekipman türünü belirlemek için etiketleri okumak gibi görüntülerden metin çıkarmak amacıyla YOLO ile birlikte optik karakter tanıma (OCR) kullanılır.

Şekil 1. SiteAssist üzerinde Ultralytics YOLO modelleri kullanılarak yangın söndürücülerin tespiti (Kaynak)

Link to this sectionNeden Ultralytics YOLO modellerini seçmelisin?#

Ultralytics YOLO modelleri, SiteAssist'in gerçek dünya görüntü doğrulaması için ihtiyaç duyduğu hızı ve doğruluğu sağlar. Görüntüler yüklendikçe hızlı bir şekilde işlenebilir, böylece gecikme olmaksızın güvenlik kontrollerini çalıştırmak daha kolay hale gelir.

Aslına bakılırsa, Ocak 2025'ten bu yana SiteAssist, Ultralytics YOLO modellerini kullanarak 770.918'den fazla görüntüyü işlemiş, 1.302.315'ten fazla nesneyi tespit etmiş ve ölçekte güvenilir bir performans sergilemiştir.

Ultralytics Python paketi ayrıca gerçek şantiye iş akışlarından toplanan verileri kullanarak modelleri eğitmek ve ince ayar yapmak için doğrudan bir yol sunar. Bu, zamanla daha fazla veri yakalandıkça model performansının gelişmeye devam edebileceği anlamına gelir.

Dağıtım perspektifinden bakıldığında, YOLO modelleri verimli ve esnektir. SiteAssist, halihazırda çalışanların cihazlarından gelen yüklemeleri gerçek zamanlı olarak yöneterek, arka ucunun bir parçası olarak görüntüleri bulutta işlemektedir. Aynı zamanda modeller, cihazlarda yerel olarak da çalışabilir, böylece işlemenin doğrudan şantiyede gerçekleştiği gelecekteki kullanım durumlarını desteklemek mümkün hale gelir.

Bunun ötesinde, ONNX ve ExecuTorch gibi dışa aktarma formatları desteğiyle, Ultralytics YOLO modelleri karmaşıklığı artırmadan farklı uç sistemlere entegre edilebilir. Bu, SiteAssist'e vizyon yapay zeka iş akışlarını oluşturmak ve genişletmek için pratik ve ölçeklenebilir bir yol sunar.

Link to this sectionSiteAssist ve Ultralytics YOLO, gerçek zamanlı güvenlik kontrollerini güçlendiriyor#

Şu an itibarıyla SiteAssist, yaklaşık 4.000 cihazda 12.000 civarında aktif kullanıcıyı desteklemekte ve güvenlik iş akışlarının büyük, karmaşık projeler için verimli bir şekilde ölçeklenmesini sağlamaktadır.

Otomatik görüntü doğrulamayı devreye sokarak ekipler manuel incelemelere olan bağımlılığı azalttı ve onay süreçlerini hızlandırdı. Daha önce tekrarlanan kontroller gerektiren görevler artık daha hızlı bir şekilde doğrulanabiliyor, bu da işin zamanında başlamasına yardımcı oluyor ve gecikmeleri azaltıyor.

YOLO destekli görüntü analizi, güvenlik kontrollerinin gerçekleştirilme şeklindeki tutarlılığı da artırdı. Gönderiler daha yapılandırılmış bir şekilde değerlendiriliyor; bu da eksik ekipmanları, yapay görüntüleri veya tamamlanmamış kontrolleri belirlemeyi kolaylaştırıyor. Ocak 2025'ten bu yana en sık tespit edilen nesneler arasında 283.000'den fazla araç ve 201.000'den fazla insan ile yaklaşık 68.500 yapay görüntü ve 55.000'den fazla yangın söndürücü yer alıyor.

Bu durum, şantiye yöneticilerine devam eden işler hakkında daha net bir görünürlük ve güvenlik gereksinimlerinin karşılandığına dair daha fazla güven sağlıyor.

Şekil 2. SiteAssist tarafından Ultralytics YOLO kullanılarak tespit edilen bir yapay fotoğraf örneği.

Bunun yanı sıra, manuel evrak işlerini azaltmak, ekiplerin idari işlere daha az, şantiyede ise daha fazla zaman harcamasını mümkün kıldı. Sonuç olarak, operasyonlar daha sorunsuz yürür ve güvenlik süreçleri farklı konumlarda daha güvenilir hale gelir.

Link to this sectionGörüntü odaklı inşaat güvenliği iş akışlarını uç noktaya taşıma#

Geleceğe bakıldığında SiteAssist, Ultralytics YOLO modellerini sahada verinin yakalandığı yere daha yakın çalıştırmak için uç yapay zekayı araştırıyor. Görüntüleri doğrudan cihazlarda işleyerek ekip, bulut maliyetlerini düşürmeyi, veri gizliliğini iyileştirmeyi ve gerçek zamanlı karar almayı desteklemeyi hedefliyor. Bu yetenekleri daha gelişmiş, gerçek zamanlı güvenlik ve operasyonel iş akışlarını mümkün kılacak şekilde genişletmeye devam etmeyi planlıyorlar.

Operasyonlarına vision AI'ı dahil etmek ister misin? Topluluğumuza katıl ve sağlık hizmetlerinde yapay zeka ile tarımda vision AI gibi uygulamalar hakkında bilgi edin. GitHub depomuzu ziyaret et ve hemen başlamak için lisanslama seçeneklerini keşfet!