Unluturk, Ali2026-03-262026-03-2620232564-660510.28948/ngumuh.1291781https://doi.org/10.28948/ngumuh.1291781https://search.trdizin.gov.tr/en/yayin/detay/1188218/robotic-based-mask-detection-to-prevent-epidemic-diseases-transmitted-through-droplets-using-pre-trained-deep-learning-modelshttps://hdl.handle.net/20.500.14901/4107Aralık 2019’da Çin’in Wuhan şehrinde ortaya çıkan ve tüm dünyada hızla yayılan Koronavirüs hastalığı solunum yolu sonucu oluşan küçük damlacıklar ile bulaşarak sağlıklı insanları enfekte etmiştir. Tıp uzmanları Koronavirüs hastalığına karşı en etkili mücadelenin temas halindeki kişilerin maske takması gerekliliğini belirtmişlerdir. Buna rağmen bazı kişiler maske takma zorunluluğunu ihlal etmişlerdir. Bu çalışmada maske takma zorunluluğunu ihlal eden kişilerin otomatik olarak tespit edilebilmesi için önceden eğitilmiş olan NaNetMobile, MobileNetV3Small, ResNet50, DenseNet121 ve EfficientNetV2B0 gibi derin sinir ağı modellerinin maske tanıma performansları değerlendirilmiştir. Bu değerlendirme sonucunda en başarılı DenseNet121 modeli ele edilmiştir. Bu model 6- Serbestlik Derecesine (6-DOF) sahip robotik bir sisteminin üzerinde yer alan kameradan elde edilen görüntü ile doğrulanmıştır. Kameradan alınan insane ait yüz görüntüleri yüksek kare hızlarında NVIDIA tarafından geliştirilen Jetson Xavier geliştirme kartı kullanılarak işlenmiştir. Sonuç olarak, bu çalışma toplu alanlarda maske denetimi gerçekleştiren görevlilere yardımcı olacak ve Koronavirüs benzeri çıkabilecek yeni salgınların yayılımı önemli ölçüde azaltacaktır.eninfo:eu-repo/semantics/openAccessHalk Ve Çevre SağlığıRobotikTıbbi EtikMikrobiyolojiBilgisayar BilimleriYapay ZekaArticle