Theses supervised by Doç. Dr. Yakup Kutlu
10 theses · İskenderun Technical University
Derinlik kamerası ile derin öğrenme tabanlı nesne tespiti
Dünya nüfusundaki artış, tarımsal üretimin bu artışı karşılaması açısından yeni teknolojilere ihtiyaç oluşturmaktadır. Bu kapsamda tarımsal üretimin hasat kısmında gerekli işçi gücünün bulunması ve verimli hasat işlemleri açısından sıkıntılar yaşanmakta olduğu tüm dünyada aşikâr bir gerçekliktir. Bu konuda otonom hasat robotlarının geliştirilmesi ve aktif olarak sahalarda kullanılması bu sorunun çözümü olarak sunulmaktadır. Dünya genelinde birçok ürün özelinde otonom hasat robotları geliştirme çalışmaları yapılmaktadır. Bu çalışmalar açısından özellikle bilgisayarlı görü çalışmalarında yaşanan gelişmeler, nesne tespiti ve sınıflandırılmasında kullanılan derin öğrenme algoritmalarında alınan başarılı sonuçlar otonom hasat robotlarının tarım sahalarında aktif kullanılmasını mümkün hale getirmiştir. Yazılımsal olarak yaşanan bu gelişmelerin yanı sıra donanımsal olarak bu algoritmaların üzerinde çalışacağı kartların gelişmesi ile otonom hasat robotlarının işlem hızları artmakta ve hasat süreleri azalmaktadır. Otonom hasat robotlarının gelişimi ile tarımsal alanda yaşanan işçi gücü problemi, insan kaynaklı hatalar ve iş kazalarının yaşanması sorunlarına çözüm geliştirilmektedir. Bu tez çalışmasında, kamkat meyvesi otonom hasadında kullanılmak üzere derin öğrenme tabanlı nesne tespiti çalışması yapılmıştır. Bu kapsamda otonom hasat robotlarının görü sisteminde ihtiyaç duyduğu gerçek zamanlı nesne tespitini yapmak için YOLO algoritmasının dört farklı mimarisi ile eğitimler yapılarak en uygun model tespiti gerçekleştirilmiştir. Nesne tespitinden sonra kamkat meyvesinin hasadı için ihtiyaç duyulan toplama noktasının tespiti işlemi gerçekleştirilmiştir. Toplama noktası tespiti ile otonom hasat işleminde problem oluşturacak yaprak ve dal gibi problemlerin önüne geçilmesi hedeflenmektedir. Yapılan test işlemleri sonucunda en başarılı sonuçlar YOLOv7 modelinde %93 genel doğruluk ve 35 FPS (Saniyedeki Kare Sayısı) oranı ile elde edilmiştir.
Güncel makine öğrenmesi teknikleri ile iris görüntülerinden cinsiyet analizi
Son zamanlarda artan nüfus miktarından dolayı, veri tabanında arama yaparken aranılan kişinin cinsiyetinin belirlenmesi veri tabanındaki veri sayısının yarıya indirilmesi demektir bu da bize zaman açısından büyük bir kolaylık sağlayacaktır. Bunun yanısıra cinsiyet tespit sistemi cinsiyet tabanlı erişim kontrol gerektiren güvenlik uygulamalarında, sadece belirli bir cinsiyet grubuna hitap edecek olan pazarlama stratejilerinin oluşturulmasında kullanılabilir. Bunlara bakıldığında cinsiyet tespit sisteminin oldukça geniş uygulama alanına sahip olduğu görülmektedir. Kişi tanımlama sistemlerinde parmak izi, yüz, ses, imza atımı gibi birçok biyometrik özellik kullanılmaktadır. Ancak irisin eşsiz yapısından dolayı diğer biyometrik özelliklere göre daha güvenilir bir sistem olduğu düşünülmektedir. Bu nedenle bu çalışmada iris yapısı kullanılarak cinsiyet tahmini yapılmaya çalışılmıştır. 750 kadın ve 750 erkek olmak üzere her kişinin sağ ve sol iris görüntüleri kullanılarak toplamda 3000 görüntü üzerinde uygulama gerçekleştirilmiştir. İris görüntülerine öznitelik çıkarma yöntemi olarak doku analiz yöntemleri, gemoterik features çıkartma, gabor filtresi, dalgacık dönüşüm, fourier dönüşümü uygulanmıştır. Ayrıca irisin genel, bölgesel ve hücresel doku analizi yöntemi hem iris görüntüsüne hemde Daugman dönüşümü uygulanarak öznitelik çıkarılmıştır. Çıkarılan bu özniteliklere birimsel boyut farkını gidermek için max normalizasyonu ve non-linear dönüşümü uygulanmıştır. Her bir öznitelik çıkartma yöntemiyle öznitelik kümleri oluturulmuş ve sınıflandırma başarım değerleri karşılaştırılşmıştır. İçlerinde en iyi öznitelik kümesi bulunamadığı açıktır. Bu sebeple karşılaştırma sonrasında öznitelik seçi,m algoritmaları uygulanmıştır. Bireysel en iyi seçim, ileri seçim ve n-al r-bırak seçim algoritmaları kullanılarak öznitelik seçimi yapılmıştır. Seçim algoritma sonuçları birbirleriyle karşılaştırılmıştır. Sonuç olarak, %91 başarım oranı ile en iyi öznitelik alt kümesi non-liner dönüşüm yapılmış özniteliklerden elde edilmiştir.
Evrişimli sinir ağı kullanılarak yaprak resimlerinin sınıflandırılması
Çevremizde bulunan birçok bitki hakkında bilgi sahibi değiliz, yararları ve zararları konusunda halk arasındaki bilgilerle hareket etmekteyiz. Bu gibi durumlarda zehirli olmasına rağmen şifalı olarak bilinen bitkilerin yanlış kullanılması ölüme kadar gidebilecek pek çok soruna yol açmaktadır. Bu gibi durumlarda bitkilerin tanınması uzmanlık gerektirmektedir. Bu sorun gelişen teknoloji ile uzmanlık gerektirmeden giderilebilecek bir eksikliktir. Bu sebeple yaprak resimleri üzerinde yapay zeka teknikleri kullanılarak hazır bir sistem oluşturulması amaçlanmıştır. Yapay zeka teknolojilerinin ön planda olduğu bugünlerde, bu alanda pek çok yöntem kullanılmaktadır. Bu yöntemlerden biri derin öğrenmedir. Çoğu alanda derin öğrenme yöntemlerinin uygulandığını söyleyebiliriz. Yüz tanıma, ses tanıma, otonom araçlar, siber tehdit analizleri, sağlık sektörü gibi alanlardır. Bu yöntem kullanılırken tanımlama, sınıflandırma, tahmin etme gibi pek çok amaca hizmet eder. Derin öğrenme algoritmalarından biri olan evrişimsel sinir ağı girdi olarak aldığı verilerle özellikleri öğrenerek, bu özellikler yardımıyla istenilen sonucu elde eder. Literatürde farklı öznitelik çıkarım yöntemleri kullanılarak elde edilen verilerin farklı sınıflandırma yöntemleri ile kullanıldığı görülmektedir. Oluşturulan evrişimli sinir ağı modellerinden veya önceden eğitilmiş modellerden çıkarılan özniteliklerin farklı sınıflandırma yöntemleri ile kullanılması gibi yaklaşımlar bulunmaktadır. Bu tez çalışmasında, farklı sayıda yaprak görüntülerinden oluşan veri setleri kullanılmıştır. Tüm resimleri içeren 270 farklı türden oluşan tek bir büyük veri seti oluşturulmuş ve bu veri setine özel yeni bir evrişimli sinir ağı modeli eğitilerek sonuçları incelenmiştir. Renkli veya gri resim farkı, arka plan renginin etkisi, farklı görüntü boyutu ve filtre boyutu gibi değişikliklerin başarıma etkisi incelenerek iyileştirme çalışmaları yapılmıştır. Bu çalışmalar sonucu elde edilen verilerle oluşturulan modelin yapısı ve bu modelin eğitiminde kullanılacak verilerin durumu belirlenmiştir. Oluşturulan evrişimli sinir ağı modeli kullanılarak yaprak sınıflandırılması yapılmıştır, ayrıca bu model kullanılarak öznitelik öğrenimi yaklaşımı ile öznitelik dönüşümü gerçekleştirilmiş ve farklı sınıflandırma yöntemleri ile başarımları incelenmiştir. Veri setinin büyüklüğü sonucu eğitim için gerekli güçlü donanım ihtiyacı sebebiyle eğitim ihtiyacı olmayan önceden eğitilmiş modellerin kullanılması ve sonuçların karşılaştırılması sağlanmıştır. Bu amaçla belirlenen 4 farklı önceden eğitilmiş modelden öznitelikler çıkarılarak aynı sınıflandırma yöntemleri ile sınıflandırılmıştır. Yapılan sınıflandırma işlemleri sonucu elde edilen veriler değerlendirilerek düşük işlem gücüne sahip donanımlarda en iyi sonucun elde edilebileceği bir yaklaşımın belirlendiği ve 270 türe sahip veri seti için %89 eğitim, %86 oranında test başarımı sağlanmıştır.
Biyosınıflandırma ve analiz aracı tasarım ve gerçekleştirimi
Şekil veya görüntülerin tanınması/sınıflandırılması problemi uzun yıllardır üzerinde çalışılan bir konudur. Biyolojik canlı türleri, tomografi, röntgen görüntüleri gibi farklı disiplinlerde kullanılan yöntemlerle elde edilen görüntülerin analizi, farklı disiplinlerde çalışan araştırmacıların kendi disiplinlerinin parçası olmayan görüntü işleme yöntemleri ile ilgili teknik bilgi sahibi olmasını gerektirebilmektedir. Bu çalışma kapsamında, farklı disiplinlerde kullanılabilecek, kullanımı kolay, konvolüsyonel yapay sinir ağı tabanlı bir öznitelik çıkarım ve işleme araç seti tasarımı ve implementasyonu yapılmıştır. Hazırlanan yazılım kütüphanesi ve kullanıcı arayüzü, farklı disiplinlerle alakalı popüler veri setleri üzerinde test edilmiştir. Ön eğitimli konvolüsyonel yapay sinir ağları kullanılarak farklı veri setleri üzerinde yapılan testler, transfer öğrenimi konsepti ile ön eğitimli konvolüsyonel yapay sinir ağlarından öznitelik çıkarmak ve işlemek amacıyla geliştirilen araç setinin, başarı ile ayırt edici öznitelikler çıkarabildiğini göstermiştir. Sunulan araç setinin gerçekleştiriminde, fonksiyonların mümkün olduğunca hızlı çalışabilmesi için, işlemcilerin, çok çekirdeklilik, "tek komut, çoklu veri" gibi çeşitli teknolojileri de kullanılmıştır. Yazılan kodlar optimize edilerek ve işlemci çekirdekleri üzerinde paralelleştirme yapılarak, işleme hızında büyük bir artış sağlanmıştır. İmplementasyon esnasında karşılaşılan ortak kaynak kullanımı gibi problemler için çözümler sunulmuştur. Araç seti kullanılarak, derin konvolüsyonel yapay sinir ağlarında, katman derinlikleri ve özniteliklerin betimleyicilikleri arasındaki ilişkiler de incelenmiştir. Farklı katmanlardan alınan özniteliklerin, öznitelikler ve sınıflar arasındaki korelasyonlar temel alınarak alt setlere indirgendiklerinde, ağın tamamından alınan çıkışlardan daha başarılı sonuçlar verebildiği gösterilmiştir.
Kamkat meyvesi için derin öğrenme tabanlı otonom hasat robotu
Hasat robotlarının tarihçesi, tarım endüstrisindeki teknolojik gelişmelere paralel olarak şekillenmiştir. İlk hasat robotları, genellikle traktörler üzerine monte edilmiş basit mekanik cihazlardan başlayarak, zaman içinde sensör teknolojileri, yapay zekâ ve otomasyon sistemleri ile gelişmiştir. Bu gelişmeler, hasat robotlarının daha hassas, hızlı ve verimli hale gelmesine olanak tanımıştır. Hasat robotlarının kullanımı, tarım endüstrisinde sürdürülebilirliği artırarak kaynakları daha etkili bir şekilde yönetmeye yardımcı olmakta ve gelecekteki tarım ihtiyaçlarına cevap vermek adına önemli bir adım olarak kabul edilmektedir. Bu robotlar, meyve, sebze ve diğer tarım ürünlerini otomatik olarak toplama, sınıflandırma ve paketleme yeteneklerine sahip olabilmektedir. Bu robotlar, tarım sektöründe karşılaşılan işgücü sıkıntılarına da çözüm sunarak, tarım işletmelerine daha güvenilir ve etkili bir hasat süreci sağlamaktadır. Bu tez çalışmasında, kamkat meyvelerinin otomatik olarak hasat edilebilmesi için bir otonom hasat robotu geliştirilmiştir. Robotun temel yapısı, 5 eksenli bir robot kolu ve 4 tekerli bir mobil platformdan oluşmuştur. Kamkat meyvelerini ve derinliklerini tespit etmek için RGB-D derinlik kamerası kullanılmıştır. Derin öğrenme modellerinden hız ve tespit başarımı açısından iyi sonuçlar veren YOLOv7 algoritması kullanılmıştır. Burada robot kol için ileri kinematik ve MLP tabanlı ters kinematik hesapları yaptırılmış ve ortalama hata değeri tüm eklem toplamında %1'den az olarak ölçülmüştür. Kamkat meyvesi ağacının doğal haliyle yapılan testlerde nesne algılama performansı %93 ve hasat performansı %75 olarak ölçülmüştür. Burada meyve hasadında ortaya çıkan problemlere çözüm olabilecek ve tarım endüstrisinde kullanılabilecek otonom hasat robotu ortaya çıkmıştır.
Oskültasyon cihaz tasarım ve karar destek sistemi
Vücut içi seslerinin analizi, vücudun durumu hakkında ön bilgi vermekte ve ilk muayene olarak yapılan klasik bir işlemdir. Bu işlemine oskültasyon denilmekte ve işlem için stetoskop kullanılmaktadır. Stetoskopun icadından günümüze kadar geldiği süreçte çok fazla gelişim göstermiştir. Elektronik stetoskopun icadı ve kullanılma ya başlanması sağlık alanında işlemlerin daha hızlı ve pratik olması sağlamıştır. Bu stetoskopların veri kaydedebilme özelliği sayesinde yapay zeka destekli önemli çalışmaların önünü açmıştır. Tez çalışması iki aşamadan oluşmaktadır: Öncelikle yeni bir giyilebilir çok kanallı oskültasyon donanımı geliştirmek ve ölçülen ses verilerini yapay zeka desteki analizinin yapılmasını sağlamaktır. İlk aşama olan giyilebilir oskültasyon cihazı geliştirilmesi sağlanmıştır. Geliştirilen donanımın kablosuz haberleşme modülü sayesinde sağlık çalışanları için uzaktan tedavi imkanı sunmaktadır. Çok kanallı bir oskültasyon cihazı oluşturduğumuz sistemde kullanıcı arayüzü sayesinde sağlık personeli ve hasta arasında uzaktan iletişim kurulabilecektir. Kaydedilen ses kayıtları gönderildiğinde sesin hangi bölgeye ait olduğu ve olası hastalıkları sağlık personeline listeleyecek bir yapay zeka modeli geliştirilmiştir. Ayrıca kullanıcı arayüzü sayesinde farklı uzmanlardan görüş almak için veri paylaşımlı uzaka bağlantı modülü olarak da kullanılabilmektedir. Model farklı veri setleri birleştirilerek yeni bir veri setini oluşturulması ve bu veri setinin eğitilmesi ile oluşturulmuştur. Sistem Ses verilerini önce bölgesel olarak tanımaktadır. Bölge tanımından sonra sesin sağlıklı ya da hasta olduğunu belirlemektedir. Eğer ses verileri hastaya ait ise bu hastalığın hangi hastalığa ait olduğu bulunmaktadır. Bu sistem evde tedavi hizmetinin gelişimini sağlayacaktır.
Taşınabilir EEG cihazı tasarımı ve uygulamaları
Elektroensefalografi (EEG) sinyalleri, kafatasına yerleştirilen elektrotlar vasıtasıyla beyinden alınan küçük genlikli ve düşük frekanslı elektriksel sinyallerdir. EEG sinyalleri dış etmenlerden kolaylıkla etkilenebilmektedir. Bu nedenle incelenmeleri sırasında çeşitli önişlemlerden geçirilmeleri gerekmektedir. EEG sinyalleri beyin yapısı ve düşünce biçimleri hakkında bilgi edinmek amacıyla sıklıkla kullanılmaktadır. Çevresel etkilere, kalıtsal veya sonradan oluşan rahatsızlıklara göre değişen EEG sinyallerinin incelenmesi sonucu bazı kestirimler ve tespitler yapılması söz konusudur. Bu tez kapsamında, EEG sinyallerinin toplanması, donanımsal olarak işlenmesi, kaydedilmesi, yazılımsal olarak işlenmesi ve sınıflandırılması ile ilgili bir dizi çalışma gerçekleştirilmiştir. EEG sinyallerinin toplanması için gerekli donanımsal ekipmanlar hakkında araştırmalar yapılmış ve bu araştırmalar sonucunda bir enstrümantasyon yükseltici tasarlanmıştır. Üretilen yükseltici ile piyasada bulunan benzer nitelikli yükselticiler ve tam donanımlı EEG kayıt cihazlarından bazıları karşılaştırılmıştır. Çalışmalar sonunda taşınabilir bir EEG kayıt cihazı tasarlanmıştır. Tasarlanan cihaz, gümüş/gümüş klorür (Ag/AgCl) barındıran tek kullanımlık (disposable) elektrotlar ile sinyalleri enstrümantasyon yükselticiye iletmektedir ve burada yapılan bir dizi donanımsal işlemden sonra bir kablosuz verici vasıtasıyla bilgisayara göndermektedir. Tasarlanan donanım için geliştirilen masaüstü uygulama sinyalleri alıp yazılımsal işlemlerden geçirmektedir ve bazı yüz mimiklerinin sınıflandırmasını gerçekleştirmektedir. Birkaç sınıflandırma yöntemi toplanan sinyaller üzerinde test edilmiştir ve karşılaştırma sonuçlarında en verimli algoritma uygulamaya eklenmiştir.
Satranç oyun kontrolüne yönelik türkçe komutların yapay zeka ile algılanması
Tez kapsamında hareket yetenekleri kısıtlanmış bireylerin kafe, engelli bireyler için oluşturulmuş sosyal merkezlerde kullanabilecekleri satranç oynayan bir çalışma geliştirilmektedir. Uzuvları olmadan doğan ve belirli bir kaza ya da hastalıktan dolayı uzuvlarını kaybetmiş kişilerin tedavi edilme şansları olmasa da sosyal hayatlarına devam edebilmeleri için yardımcı olacak bir çalışma yapılması amaçlanmaktadır. Bu çalışma ile engelli bireylerin sosyalleşmesinin yanı sıra rehabilite olmalarına da yardımcı olunması hedeflenmektedir. Satranç modülü, insan bilgisayar etkileşim modülü ve yapay zeka modülü olmak üzere üç yapıdan oluşmaktır. Ayrı ayrı çalışan bu yapılar bir arada çalışan bir sistem haline dönüştürülmüştür. 86 erkek, 65 kadın olmak üzere 151 kişiden alınan 43790 ses kaydı kullanılarak bir sistem geliştirilmiştir. Ses kayıtlarından öznitelik çıkarma yöntemi olarak mel frekanslı kepstral katsayıları (MFKK) ve gammatone kepstral katsayıları (GTKK) yöntemi kullanılmıştır. Çıkarılan bu özniteliklere maximum normalizasyonu uygulanmıştır. Çıkarılan özniteliklere k en yakın komşu (k-EYK), destek vektör makinesi (DVM), naive bayes ve çok katmanlı ağlar (ÇKA) ile sınıflandırma işlemlerinin yanı sıra evrişimli sinir ağları (ESA) modeli kullanılarak sınıflandırma işlemi yapılmıştır. ESA modelinde MFKK ve GTKK yöntemi ile elde edilen veri setleri kullanılmıştır. %85 üstünde başarım elde edilmiştir ve kişi bazlı sonuçlar ile de %93 başarım elde edilmiştir.
Derin Öğrenme Tabanlı Meyve Ayrıştırma Sistemi
Teknolojideki gelişmeler ile birlikte bilgisayarlı görü sistemleri birçok alanda kullanılmaya başlamıştır. Gelişen bilgisayarlı görü sistemlerinden tarım alanında da çeşitli şekillerde yararlanılmaktadır. Meyve ve sebzeler market ve pazarların raflarında yerini almadan birçok aşamadan geçmektedir. Özellikle hasat sonrasında meyve ve sebzelerin şekilsel bozukluları, çürük olup olmadıklarının belirlenmesi bu aşamaların en önemlilerinden bir tanesidir. Günümüzde hasat sonrasında meyve ve sebzeler el yordamıyla çürük, bozuk veya sağlam olarak ayrıştırılmaktadır. El yordamıyla meyve ve sebzeleri sınıflandırmak uzun zaman almakta ve maliyetleri yükseltmektedir. Bilgisayarlı görü sistemlerindeki gelişmelerden meyve ve sebzelerin sınıflandırılması aşamasında yararlanmak mümkündür. Özellikle derin öğrenme modellerinin görüntü işlemedeki yüksek doğruluk oranları meyve ve sebzelerin doğru şekilde otomatik şekilde kusurlu, çürük veya sağlam olarak sınıflandırılması ve ayrıştırılmasında büyük bir fayda sağlayacaktır. Bilgisayarlı görü sistemlerinden meyve ve sebzelerin otomatik olarak ayrıştırılmasından faydalanarak hem zaman tasarrufu hem de maliyetin düşmesi sağlanabilir. Bu tez çalışmasında, derin öğrenme tabanlı ayrıştırma sistemi tasarlanmıştır. Meyve ve sebzelerin otomatik olarak ayrıştırabilecek bantlı bir mekanik sistem tasarlanmıştır. Bantların üzerinden ilerleyen meyve ve sebzeler kusurlu, çürük ve sağlam oluşlarına göre 3 sınıfa ayrıştıracak şekilde tasarlanmıştır. Sistem derin öğrenme modelleri ile gerçek zamanlı nesne tespiti ve mekanik kısım olarak iki kısımdan oluşmaktadır. İlk olarak gerçek zamanlı nesne tespiti için farklı yaklaşımlar olmasına rağmen YOLO algoritması gerçek zamanlı nesne tespiti için daha hızlı olduğundan bu çalışmada YOLO algoritmasının 6 farklı mimarisi incelenmiştir. Sistemin kurulması ve test edilmesi için portakal meyvesinin kusurlu, çürük ve sağlam olarak sınıflandırılması gerçekleştirilmiştir. Üç sınıf için toplam 11238 portakal görüntüsünden oluşan yeni bir veri seti oluşturulmuştur. İkinci kısımda sistemin minimum donanım gereksinimleri belirlenmiştir. Yapılan prototip üzerinde gerçekleştirilen testlerde 210 portakal için YOLOv5 modelinde %89,5 e kadar doğruluk elde edilmiştir.
Türkçe soru cevaplama sistemleri ve insan robot etkileşimi uygulamaları
Bu tez çalışması, özel eğitime ihtiyaç duyan çocukların iletişim becerilerini geliştirmeyi amaçlayan ve Türkçe konuşma yeteneğine sahip bir diyalog sistemini geliştirme sürecini ele almaktadır. Özellikle sosyal ve duygusal iletişim konularında zorluk yaşayan bu çocuklara yönelik, teknolojik imkanlarla donatılmış etkin bir eğitim yöntemi sunmayı hedeflemiştir. Araştırma, kural tabanlı bir pilot uygulama ile başlamış, bu uygulama ile çocukların gerçek zamanlı tepkileri ölçülmüş ve sistemin etkinliği artırılmıştır. İkinci aşamada, Türkçe diyalog sistemi için cevap seçimini optimize eden yeni bir yöntem benimsenmiştir; bu sayede cevap seçiminde %84,4'lük bir başarıya ulaşılmıştır. Üçüncü aşamada ise, çocukların duygusal durumlarını doğru bir şekilde tespit edebilmek adına bir yöntem geliştirilmiş ve bu yöntemle %89,9'luk bir başarı oranı elde edilmiştir. Ek olarak, bu projede bir insansı robot tasarımı gerçekleştirilmiş ve bu robotun prototip baskısı alınmıştır. NaO insansı robotla yapılan etkileşimler, çocukların konuşma sürelerini ortalama 15 dakika artırmış ve konsantrasyon kayıplarını %68 oranında azaltmıştır. Elde edilen sonuçlar, teknolojik araçlarla desteklenen eğitimin özel eğitime ihtiyaç duyan çocukların sosyal etkileşim ve iletişim becerilerini önemli derecede geliştirebileceğini göstermektedir. Aynı zamanda, robotla kurulan etkileşimlerin çocukların özgüvenini artırarak daha rahat ifade edilmelerine yardımcı olduğu belirlenmiştir. Bu çalışma, öğretmenlere, ailelere ve özel eğitim uzmanlarına, özel eğitim gereksinimleri olan çocukların eğitim süreçlerini nasıl daha etkili kılacaklarına dair değerli bilgiler, teknolojik bir yaklaşım ve stratejiler sunmaktadır.