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

İnşaat sahaları, ekiplerin çalışma başlamadan önce sıkı güvenlik prosedürlerini takip etmesi gereken kaldırma operasyonları ve sıcak çalışma gibi yüksek riskli faaliyetleri içerir. İşçiler bu kontrolleri doğrulamak için genellikle kanıt olarak dijital iş akışları üzerinden fotoğraf yüklerler.

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

SiteAssist, araçlar ve yapay zekanın bir kombinasyonunu kullanarak bu iş akışlarını dijital platformu üzerinden destekler. Özellikle, bilgisayarlı görü modelleri gibi Ultralytics YOLO modelleri, yüklenen görüntüleri analiz etmek için kullanılır; bu da platformun sahada neler olup bittiğini anlamasına, geçersiz gönderileri işaretlemesine ve potansiyel sorunları vurgulamasına yardımcı olur. Bu, manuel çabayı azaltır ve ekiplerin tutarlı güvenlik standartlarını korumasını sağlar.

Link to this sectionYapay zeka kullanarak inşaat sahalarında güvenliği ve uyumluluğu iyileştirmek#

SiteAssist, inşaat, altyapı ve diğer kritik sektörlerdeki yüksek riskli faaliyetleri yöneten ekipler için tasarlanmış bir iş kontrol platformudur. Karmaşık, kağıt tabanlı süreçlerin yerini yapılandırılmış dijital iş akışları ile alır ve kazı, sıcak çalışma, kaldırma ve kapalı alan operasyonları gibi görevleri destekler.

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 uygulanmasını sağlamasına yardımcı oluyor.

Günümüzde SiteAssist binlerce işçiyi destekleyerek ekiplere günlük operasyonlara dair 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 ölçekte başarısız olur#

İnşaat sahalarını güvenli tutmak ve sorunsuz çalıştırmak basit değildir. Büyük projeler genellikle birden fazla lokasyonda çalışan binlerce işçiyi içerir ve her biri, çalışma başlamadan önce sıkı güvenlik kontrolleri gerektiren yüksek riskli görevleri yürütür.

Bu kontrollerin tamamlandığını doğrulamak için, işçilerin genellikle dijital iş akışlarına veya izin sistemlerine kanıt olarak fotoğraf yüklemeleri istenir. Ancak bu gönderileri incelemek her zaman basit değildir.

Görüntüler net, eksik veya bazen yanıltıcı olabilir; bu da güvenlik gereksinimlerinin gerçekten karşılanıp karşılanmadığını doğrulamayı zorlaştırır. Onaylayıcılar, doğru ekipmanı, düzgün kurulumu ve genel uyumluluğu arayarak her gönderiyi manuel olarak kontrol etmek zorundadır.

Gönderilerin 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 yaratır ve saha faaliyetlerinin gerçek zamanlı görünürlüğünü sınırlar. Ekiplerin şahsen takip etmesi veya kontrolleri tekrarlaması gerekebilir, bu da daha fazla gecikmeye neden olur.

Operasyonlar ölçeklendikçe, 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 doğrulamasıyla birleştirerek güvenlik kontrollerini basitleştirir. Manuel incelemelere güvenmek yerine, ekipler görüntüleri doğrudan sahadan yakalayıp yükleyebilir ve her gönderi onaylar ilerlemeden önce doğrulanır. Bu, değişen koşullarda bile güvenlik kontrollerinin tutarlı bir şekilde yapılmasını sağlamaya yardımcı olur.

Arka planda, yüklenen her görüntü, sahada nelerin olduğunu anlamak için nesne algılama ve görüntü sınıflandırma gibi görme görevlerinden yararlanan Ultralytics YOLO modelleri kullanılarak analiz edilir.

Ultralytics YOLO26 gibi modeller, platformu aracılığıyla gerçek inşaat sahalarından toplanan görüntülerden oluşturulan SiteAssist'in kendi veri kümeleri üzerinde ince ayar yapılmıştır. Bu, yangın söndürücüler, güvenlik ekipmanları, gaz tüpleri ve yaygın elektrikli aletler ve makineler gibi inşaatla ilgili yaklaşık 45 nesneyi içerir.

Sistem bu nesneleri tanımlar ve gerekli öğelerin görünür olup olmadığını kontrol ederek eksik veya beklenen kriterleri karşılamayan her şeyi işaretler. Ayrıca, gerçek saha koşullarında çekilmeyen görüntüler gibi geçersiz gönderileri de vurgulayabilir. Bu gönderiler arasında, görüntü başına ortalama 1,7 nesne algılanırken, arka plan görüntüleri hariç tutulduğunda bu sayı 2,7'ye yükselerek sahadaki anlamlı aktivite yoğunluğunu vurgular.

İşte Ultralytics YOLO modellerinin SiteAssist içinde nasıl kullanıldığına dair birkaç örnek:

• Canlı görüntüleri doğrulama: Sistem, yüklenen bir görüntünün ekran fotoğrafı gibi gerçek koşullarda çekilmediği durumları algılayabilir ve inceleme için işaretleyebilir.
• Ekipman tespiti ve sayımı: Sistem, yangın söndürücüler gibi gerekli öğeleri tanımlayabilir ve doğru sayının mevcut olup olmadığını kontrol edebilir. Bazı durumlarda, görüntülerden metin çıkarmak için YOLO ile birlikte optik karakter tanıma (OCR) kullanılır; örneğin, ekipman türünü belirlemek için etiketlerin okunması gibi.

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, bu da güvenlik kontrollerini gecikme olmaksızın çalıştırmayı kolaylaştırır.

Hatta, 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 performans sergilemiştir.

Ultralytics Python paketi, gerçek saha iş akışlarından toplanan verileri kullanarak modelleri eğitmeyi ve ince ayar yapmayı da kolaylaştırır. Bu, zamanla daha fazla veri yakalandıkça model performansının gelişmeye devam edebileceği anlamına gelir.

Dağıtım açısından, YOLO modelleri verimli ve esnektir. SiteAssist şu anda arka ucunun bir parçası olarak görüntüleri bulutta işliyor ve işçilerin cihazlarından gelen yüklemeleri gerçek zamanlı olarak yönetiyor. Aynı zamanda, modeller cihazlarda yerel olarak da çalışabilir, bu da işleme sürecinin doğrudan sahada gerçekleştiği gelecekteki kullanım durumlarını desteklemeyi mümkün kılar.

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 sağlar.

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

SiteAssist şu an itibarıyla 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 doğrulamanın getirilmesiyle 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 ve gecikmelerin azaltılmasına yardımcı oluyor.

YOLO destekli görüntü analizi, güvenlik kontrollerinin nasıl gerçekleştirildiğine dair tutarlılığı da artırdı. Gönderiler daha yapılandırılmış bir şekilde değerlendiriliyor, bu da eksik ekipmanı, yapay görüntüleri veya tamamlanmamış kontrolleri tanımlamayı kolaylaştırıyor. Ocak 2025'ten bu yana en sık algılanan 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 bulunuyor.

Bu, saha yöneticilerine devam eden çalışmalar hakkında daha net görünürlük ve güvenlik gereksinimlerinin karşılandığına dair daha fazla güven sağlıyor.

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

Bunun da ötesinde, manuel evrak işlerini azaltmak, ekiplerin idari görevlere daha az, sahada ise daha fazla zaman harcamasını mümkün kıldı. Sonuç olarak operasyonlar daha sorunsuz yürüyor ve güvenlik süreçleri farklı lokasyonlarda daha güvenilir hale geliyor.

Link to this sectionGörüntü odaklı inşaat güvenliği iş akışlarını uca taşımak#

İleriye dönük olarak SiteAssist, Ultralytics YOLO modellerini sahada verilerin yakalandığı yere daha yakın çalıştırmak için uç yapay zekayı araştırıyor. Görüntüleri doğrudan cihazlarda işleyerek ekip, bulut maliyetlerini düşürmeyi, veri gizliliğini artırmayı ve gerçek zamanlı karar almayı desteklemeyi hedefliyor. Bu yetenekleri genişleterek daha gelişmiş, gerçek zamanlı güvenlik ve operasyonel iş akışlarını mümkün kılmayı planlıyorlar.

Operasyonlarına vizyon yapay zekayı dahil etmek ister misin? Topluluğumuza katıl ve sağlık hizmetlerinde yapay zeka ile tarımda vizyon yapay zeka gibi uygulamalar hakkında bilgi edin. GitHub depomuzu ziyaret et ve bugün başlamak için lisanslama seçeneklerini keşfet!