Çalışan verimliliğinin YOLOv8 yöntemi ile incelenmesi
Investigation of employee productivity using the YOLOv8 method
- Tez No: 1018889
- Danışmanlar: DOÇ. DR. İLKNUR ÇEVİK TEKİN
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Görüntü işleme, Nesne tespiti, Sadece bir kez bakarsın, Yapay zeka, Çalışan performansı, Image processing, Object detection, You only look once, Artificial intelligence, Employee performance
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüz işletmelerinde artan rekabet koşulları, çalışan verimliliğini sürdürülebilir başarı açısından kritik bir unsur haline getirmiştir. Bu doğrultuda, çalışan performansının etkin, nesnel ve veri temelli yöntemlerle değerlendirilmesi stratejik bir gereklilik olarak öne çıkmaktadır. Yapay zekâ ve özellikle derin öğrenme alanındaki gelişmeler, çalışan davranışlarının gerçek zamanlı olarak izlenmesine ve analiz edilmesine olanak sağlamaktadır. Bu bağlamda YOLO (You Only Look Once) mimarisi, yüksek hız ve doğruluk avantajları sayesinde çalışan aktivitelerinin izlenmesinde etkili bir çözüm sunmaktadır. Bu tez çalışmasında, çalışanların belirlenen ROI (Region of Interest) bölgeleri üzerinden izlenmesi, görev sürelerinin hesaplanması ve verimlilik düzeylerinin zaman temelli olarak analiz edilmesi amaçlanmıştır. YOLOv8 tabanlı model kullanılarak çalışan davranışları gerçek zamanlı olarak tespit edilmiş; elde edilen veriler zaman serisi analizleri, grafiksel performans çıktıları ve etkileşimli etiketleme yöntemleri ile değerlendirilmiştir. Çalışma, literatürdeki yaklaşımlardan farklı olarak yalnızca davranış sınıflandırması yapmakla sınırlı kalmayıp, görev sürelerinin hesaplanması ve performans eğilimlerinin analiz edilmesini sağlayan bütünleşik bir yapı sunmaktadır. Modelin performans değerlendirmesi sonucunda precision değeri 0.931, recall değeri 0.936, mAP@0.5 değeri 0.956 ve mAP@0.5:0.95 değeri 0.728 olarak elde edilmiştir. Bu sonuçlar, modelin hem doğru tahmin üretme hem de nesneleri tespit etme açısından dengeli ve yüksek bir başarı sergilediğini göstermektedir. Sonuç olarak bu çalışma, çalışan performansının yapay zekâ destekli yöntemlerle nesnel, ölçülebilir ve analiz edilebilir hale getirilebileceğini ortaya koyarak işletmelere veri temelli ve uygulanabilir bir karar destek yaklaşımı sunmaktadır.
Özet (Çeviri)
In today's competitive business environment, employee productivity has become a critical factor for achieving sustainable organizational success. Accordingly, the objective and data-driven evaluation of employee performance has emerged as a strategic necessity. Recent advancements in artificial intelligence, particularly in deep learning, have enabled real-time monitoring and analysis of employee behavior. In this context, the YOLO (You Only Look Once) architecture offers an effective solution for tracking employee activities due to its high speed and accuracy. This study aims to monitor employees within predefined Regions of Interest (ROI), calculate task durations, and analyze productivity levels through time-based evaluation. A YOLOv8-based object detection model was employed to detect employee behaviors in real time. The obtained data were further analyzed using time series analysis, graphical performance outputs, and interactive labeling methods. Unlike existing approaches in the literature, the proposed system goes beyond simple behavior classification by providing an integrated framework that enables task duration estimation and performance trend analysis. As a result of the model performance evaluation, the precision, recall, mAP@0.5, and mAP@0.5:0.95 values were obtained as 0.931, 0.936, 0.956, and 0.728, respectively. These results indicate that the model achieves a balanced and high level of performance in both accurate prediction and object detection. In conclusion, this study demonstrates that employee performance can be objectively measured and analyzed using artificial intelligence-based methods, and proposes a practical, data-driven decision support approach for improving organizational productivity.
Benzer Tezler
- Hassas güdümlü ateşli silahların grup halinde kullanımlarında taktiksel etkinliklerinin artırılması
Increasing the tactical effectiveness of precision-guided firearms in group usage
RIDVAN SAFA HATİPOĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT CEYLAN
- İnsan-endüstriyel mobil robot etkileşiminde yeni bir yaklaşım: Derin öğrenme tabanlı kriter tespit ve analizi ile güvenlik önlem boyutu belirleme
In human-industrial mobile robot interaction a new approach: Safety measure size determination with deep learning based criteria detection and analysis
TARIK ASLAN
Doktora
Türkçe
2023
Çalışma Ekonomisi ve Endüstri İlişkileriİstanbul Gedik Üniversitesiİş Sağlığı ve Güvenliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA YAĞIMLI
- YOLO algoritması ile SCADA sistemlerinde erişim düzeyi kontrolü
Access level control in SCADA systems with YOLO algorithm
İHSAN FIRAT GÜLÜM
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER AYDOĞDU
- A conceptual model for image recognition based progress monitoring: retail construction and finishing works
Görüntü tanıma tabanlı ilerleme takibi için kavramsal bir model: perakende inşaat ve ince yapı işleri
SALİH KAAN MAZLUM
Doktora
İngilizce
2025
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. BEGÜM SERTYEŞİLIŞIK
- Deep learning model based on artificial intelligence for detection and classification of asphalt distress
Asfalt bozulmalarının tespiti ve sınıflandırılması için yapay zekâ tabanlı derin öğrenme modeli
MUHAMMET FATİH SADAK
Yüksek Lisans
İngilizce
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH HİLMİ LAV