Image processing
Bu konu başlığı altında 236 tez
Endüstriyel robotlar için kolay programlama arayüz tasarımı ve gerçeklemesi
Endüstriyel robotlar, sağlamış oldukları üretim standardizasyonu, hız ve kararlılık sayesinde modern üretim sistemlerinin vazgeçilmezi haline gelmiş olup, kullanım talepleri günden güne artmaktadır. Endüstriyel robotların hızla gelişmesine ve faaliyet alanlarının çeşitlenmesine rağmen, programlama teknikleri aynı hızda gelişmemektedir. Hali hazırda kullanılan robot programlama teknikleri, genellikle robot üreticisi tarafından sağlanan el terminali kullanımı ile hareketlerin öğretilmesini ya da robot üreticisi tarafından sunulan ve üreticiye özgü programlama dili ile kod yazılmasını kapsamaktadır. Bu teknikler, endüstriyel robotların programlanmasını kapsamlı eğitim ve deneyim gerektiren zor bir süreç haline getirmektedir. Bu durumda, robot programlama işlemini gerçekleştirecek, ilgili robota hakim, deneyimli operatörlere ihtiyaç duyulmaktadır. Bu, önemli bir maliyet oluşturmaktadır. Seri üretim yapan bir üretici için ortaya çıkan bu maliyet göz ardı edilebilir. Fakat küçük ve orta ölçekli ürün çeşitliliğinin çok, ürün adedinin az olduğu üreticiler için bu maliyetlere katlanılamamaktadır. Bu tez çalışması ile söz konusu probleme çözüm olabilme potansiyeli taşıyan, operatör deneyimi ve becerisine ihtiyaç duymayan bir kolay programlama yöntemi geliştirilmiştir. Geliştirilen yöntem, görüntü ve nokta bulutu işleme tekniklerine dayanmakta olup, basit kullanıcı arayüzü etkileşimleri ile bir endüstriyel robotun programlanmasına olanak sağlamaktadır. Uygulanan yöntemler detaylı matematiksel modeller, kod şemaları ve örnek uygulama görselleri ile açıklanmaktadır. Nihai olarak ortaya çıkan sistemin gerçek bir uygulama için nasıl kullanıldığı gösterilmektedir.
Gerçek zamanlı fizyolojik sinyal verilerinin karşılaştırmalı öğrenme tekniği ile kişiselleştirilmiş anomali tespiti
İnsanlardan alınan fizyolojik sinyaller, sağlık başta olmak üzere birçok alanda önem taşımaktadır. Kişinin kalp atış hızı, vücut sıcaklığı, kan basıncı, elektrodermal aktivite gibi bilgileri analiz edilerek kalp hastalıklarını teşhis edilebilmek, stres seviyesini belirleyebilmek, egzersiz performansını izlemek gibi birçok fayda sağlamaktadır. Teknolojinin gelişmesiyle birlikte fizyolojik sinyallerin daha kolay elde edilebilir olmasını sağlayan akıllı saatler ve bileklikler günlük yaşantımıza girmişlerdir. Bu sayede insanlar spor yaparken veya günlük hayatlarında, geliştirilen bu teknolojileri kullanarak sağlık durumlarını takip edebilmektedir. İnsan sağlığını etkileyen beslenme, fiziksel aktivite, uyku düzeni, genetik faktörler gibi unsurlardan biri de strestir. Günümüzde yaygın bir sorun haline gelen stres, sağlığımız üzerinde de ciddi etkilere sahiptir. Ayrıca vücuttaki çeşitli fizyolojik sinyaller üzerinde de stresin etkileri görülebilmektedir. Yapılan tez çalışması kapsamında da stresin fizyolojik sinyaller üzerindeki etkilerinin incelenmesi amacıyla karşılaştırmalı öğrenme modeli kullanılarak kişinin stresli olup olmadığının tespitinin yapılabilmesi hedeflenmektedir. Normal şartlar altında beklenenden farklılık gösteren, alışılmadık veya dikkat çekici olay ve durumlara anomali denmektedir. Bu nedenle çalışma kapsamında bir kişinin stresli olması anomali olarak değerlendirilmektedir. Karşılaştırmalı öğrenme, etiketlenmemiş veriler üzerinde kullanılmak üzere ortaya çıkan bir derin öğrenme yöntemidir. Zaman serisi verilerinde anomali tespiti, etiketlenme eksikliği nedeniyle genellikle sorun oluşturmaktadır. Bu sorunu çözebilmek için farklı hastalıklara sahip (obstetrik brakial pleksus yaralanması, disleksi, zihinsel engelli ve tipik olarak gelişmiş) çocuklardan alınan zaman serisi olarak tutulan kan hacmi nabzı, elektrodermal aktivite ve vücut sıcaklığı verileri ile karşılaştırmalı öğrenme modeli kullanılarak anomali tespiti yapılması hedeflenmektedir. Çalışma kapsamında ilk önce tüm veriler kullanılarak ardından kişiye özel anomali tespiti yapılmaktadır. Sonucunda ise kişiselleştirilmiş anomali tespitinin genel anomali tespitinden daha başarılı bir sonuç elde ettiği görülmektedir.
Robotik sistemlerde görüntü işleme tabanlı nesne tanıma için akıllı ortam aydınlatması
Görüntü işleme tabanlı uygulamalarda ortam aydınlatması, nesnelerin doğru tespit edilmesi ve enerji kullanımı açısından önemli bir husustur. Klasik yöntemlerde ortam aydınlatması ışık kaynağı sürekli açık tutularak, ihtiyaca göre elle açılıp kapatılarak, zamanlayıcı kullanarak veya çeşitli sensörler yardımıyla aydınlık düzeyi ölçülerek otomatik olarak yapılmaktadır. Bu tez çalışmasında, robotik elleçleme uygulamalarına yönelik nesne tespiti ve pozisyon belirlenmesi amacıyla görüntü işlemeye dayalı referans-renk-tabanlı akıllı ortam aydınlatması yapan bir gömülü sistem tasarımı yapılmış ve performansı incelenmiştir. Sistemde asgari aydınlık düzeyinin elde edilmesi için harici bir sensöre ihtiyaç duyulmadan pozisyonları daha önceden belirlenmiş kırmızı, yeşil, mavi ve sarı renkli nesneler referans alınarak aydınlatma sisteminin gücü ayarlanmaktadır. Tasarlanan sistemde görüntü işleme, aydınlatma ve 3-eksen elleçleme işlemleri için Raspberry Pi 4B mini bilgisayar ve GRBL yazılım yüklü Arduino CNC shield kartı kullanılmıştır. Görüntü alma işlemi Raspberry Pi kamera modülü üzerinden, nesnelerin elleçlenmesi ise bir elektromıknatıs ile yapılmıştır. Aydınlatma için PWM sinyali ile sürülen 12V DC beyaz şerit LED lamba kullanılmış ve aydınlık düzeyi oransal olarak kontrol edilerek akıllı ortam aydınlatması yapılmıştır. Sistem arayüz yazılımı Python dilinde kodlanmıştır ve görüntü işleme ile nesne tanıma ve pozisyon belirlenme için OpenCV kütüphanesi kullanılmıştır. Tasarlanan sistemin performansının incelenmesine yönelik deneysel çalışmalar kapsamında beyaz ışık ile aydınlatma yapılmış, platform zemini için yansıma yapmayan beyaz mat renkli plastik fon kullanılmış ve platform üzeri siyah örtü ile örtülmüştür. Renk tabanlı görüntü işleme ile nesne tespitinde Kırmızı, Yeşil, Mavi ve Sarı olmak üzere farklı renklere sahip referans nesneler kullanılarak gerekli olan minimum platform aydınlık düzeyi değerleri araştırılmıştır. Elde edilen deneysel sonuçlara göre; tespit işleminde renk seçimin önemli olduğu anlaşılmış ve bu renkler içerisinde en az aydınlık düzeyine ihtiyaç duyulan rengin sarı olduğu tespit edilmiştir. Sarı rengi ise sırasıyla, yeşil, kırmızı ve mavi renklerin takip ettiği görülmüştür. Tasarlanan sistemde yaklaşık 50 lx aydınlık düzeyinde renk tabanlı nesne tespitinin başarılı bir şekilde yapılabileceği ve çevresel aydınlatma durumuna bağlı olarak yaklaşık 0-225 mW arasında değişen bir güce ihtiyaç duyulduğu anlaşılmıştır. Sonuç olarak; akıllı ortam aydınlatması yapan gömülü sistemin çevresel koşullara bağlı olarak değişen enerji tasarrufu ile asgari aydınlık düzeyini sağladığı görülmüştür.
Geri yayılımlı birlikte evrim ile iyileştirilmiş derin sinir ağları kullanılarak yol çatlak tespiti
Çatlaklar trafik yükleri etkisi ile alt tabakadan başlayarak kaplama yüzeyine kadar oluşan yüzeysel hasarlardır. Oluşan bir çatlak hasarının büyümeden tespit edilip gerekli bakımlarının yapılması hem yol konforuna hem de bakım için yapılacak harcamalara olumlu olarak katkıda bulunmaktadır. Bu çalışmada yol üzerinde bulunan çatlakları gerçek zamanlı ve yüksek doğrulukta tespit etmek amaçlanmıştır. Bu kapsamda Geri Yayımlı Birlikte Evrim yaklaşımıyla İyileştirilmiş Derin Sinir Ağları ve görüntü işleme yöntemlerini birlikte kullanılmıştır. Çalışmada çeşitli sayıda ve boyutta çatlak görsel verileri içeren EdmCrack600, AsphaltCrack, CFD ve CrackSegmentation veri setlerinden yararlanılarak yeni bir veri seti elde edilmiş ve bu veri seti üzerinde Derin Sinir Ağları tabanlı öğrenim gerçekleştirilmiştir. Görüntü işleme teknikleri sayesinde ise çatlak tespiti yapılan görsel içerisinden çatlak olmayan nesneler arındırılmış ve çatlağın kabaca konumunu gösteren siyah-beyaz bir resim elde edilmiştir. Son olarak kabaca konumu belirlenmiş çatlak üzerinde en iyi öğrenme gerçekleştirmiş ağ yapısına ait parametreler kullanılarak alan bazlı çatlak tespiti yapılmıştır. Modelin doğruluğu CFD veri seti kullanarak Keskinlik, Duyarlılık ve F1-Score kriterleri ile değerlendirilmiştir. Değerlendirme sonucunda, önerilen yöntem maksimum saniyede 48 görsel üzerinde çatlak tespiti yapabilirken %92,74 Kesinlik, %88,92 Duyarlılık ve %89,61 F1-Score başarı yüzdelerine erişebildiği gözlenmiştir.
Dokuma kumaşlarda gözenekliliğin görüntü işleme yöntemiyle analizi
Bu yüksek lisans tez çalışmasında kumaş gözeneklilik oranının veya örtme oranının görüntü işleme yöntemiyle tespit edilmesi amaçlanmıştır. Bunun için Matlab yazılımı kullanılarak geliştirilen algoritmalar program haline getirilmiş ve gözeneklilik oranı belirlenmiştir. Çalışmada kumaş görüntüleri 15 kat büyütülerek mikroskoptan alınmıştır. RGB formatında alınan görüntüler önce gri, sonra da siyah-beyaz formata dönüştürülerek hesaplamada kullanılacak matrisler oluşturulmuştur. Gözeneklilik oranı alınan görüntüdeki ışık geçiren kısımların toplam alana oranı olarak belirlenmiştir. Bu oran görüntüdeki 0 veya 1 değerine sahip piksel sayısının görüntüdeki toplam piksel sayısına oranı olarak yazılıma aktarılmıştır. Yazılımla gözeneklilik oranı hesaplamaları önce siyah çizgiler içeren bir A4 kağıdının siyah çizgi alanı bulunarak test edilmiştir. Bu test ile yazılımın doğru çalıştığına dair doğrulama yapıldıktan sonra geliştirilen yazılımla gözeneklilik oranı belirleme çalışmaları 14 farklı kumaş tipine 15 kat büyütme oranı ile uygulanmış ve sonuçlar elde edilmiştir. Sonuçların değerlendirilmesinde öncelikle Matlab ile hesaplanan gözeneklilik oranları ile hesaplanan gözeneklilik oranları ve kumaş örtme faktörleri karşılaştırılmıştır. Ayrıca hava geçirgenliği testleri de yapılarak gözeneklilik oranlarıyla ilişkilendirilmiştir. Kumaş örtme faktörü arttığında gözeneklilik oranlarının azaldığı görülmüş ve aralarında doğrusal bir ilişki bulunmuştur.
Modeling of artificial neural networks and image processing algorithms for bread wheat quality classification
Wheat, which is the most grown agricultural product in the world and in our country, has an important place in terms of human nutrition throughout the world due to its high nutritional value, variety of variations and being at the forefront of basic foodstuffs. Soft wheat, which is used for bread flour production, is the most produced wheat type in our country. Wheat quality is the most important factor for both the farmer, the flour producer and the consumer. Quality criteria are determined by physical and chemical analysis and can only be determined by comprehensive laboratories, technical personnel and experts. This process takes a long time and increases the costs. This study proposes two different models to investigate the feasibility of bread wheat quality classification with artificial intelligence. The model developed with artificial neural networks created a decision support mechanism for the expert who made the final decision, and the model developed with Image Processing shows the feasibility of bread wheat quality classification without the need for laboratory analysis. The results obtained in both studies show that artificial intelligence technologies that can contribute to the digitalization of flour production facilities are feasibility in order to be used as a high-accuracy decision support mechanism. Key Words: Bread Wheat, Quality, Classification, Artificial Neural Network, Image Processing
Development of a machine vision system for on-loom and real-time defect detection of woven fabrics with different constructions
The purpose of this study is developing the machine vision system on the weaving machine and detection of fabric defect during the weaving process. It was aimed that the defective regions on the fabric surface will be detected and occurrence of these defects among long meters will be prevented.Weft lacking, oil stain and fly type defects were determined for detection. The algorithm application studies were conducted over totally 200 image frames by acquiring 50 defect sample image frames for every defect type. The selected algorithm was applied real time during the weaving process. Use interface was prepared for real-time application. It was revealed that the developed system and image processing algorithm can be applied on an industrial weaving loom.
NOAA uydu verileri kullanarak Çukurova Bölgesinde bitki örtüsünün belirlenmesi
Bu çalışmada, Mayıs, Temmuz, Eylül ve Ekim 1997 yılı Çukurova Bölgesi NOAA- 14 AVHRR (Advanced High Resolution Radiometer) görünür ve yakın kızılötesi verileri kullanılmıştır. Bu verilerden NDVI (Normalized Difference Vegetation Index) değerleri PC uyumlu ERDAS paket programı kullanılarak hesaplanmış ve karşılaştırılmıştır. Bölgede, coğrafi ve mevsim koşulları göz önüne alınarak 6 tip genel örtü sınıfı saptanmıştır. 1997 yılına ait aylık görüntülerin NDVI değerleri işlenerek, bitki indeksi değerlerinin değişimi incelenmiştir.Anahtar Kelimeler: Bitki İndeksi, Uzaktan Algılama, NOAA-AVHRR Verisi, Görüntü İşleme, Sınıflandırma.
Sera ortamında bitki gelişiminde görüntü işleme yöntemlerinin kullanılması üzerine bir araştırma
Bilgisayarlı görme ve görüntü işleme teknikleri, çeşitli endüstrilerde gözlem ve ölçme amacıyla yaygın olarak kullanılmaktadır. Tarımda bu tekniklerin kullanımı oldukça yenidir. Bilgisayar teknolojisinde; ucuz, fakat güçlü görüntü toplama ve analiz sistemleri, tarımsal uygulamalarda ve araştırmalarda yeni kullanım alanları açmıştır. Bitki gelişiminin izlenmesinde, yaprak alan indeksi önemli bir göstergedir. Yaprak alan indeksini belirlemede kullanılan birçok yöntem, yaprağa zarar vermektedir. Uygulanan bu yöntemlerle, bitki ve yaprak zarar görmemektedir. Yapılan çalışmada, sera ortamında yetiştirilen turunç fidelerinden yararlanılmıştır. Kamera yardımı ile bitki yapraklarındaki gelişmelerin görüntüleri haftalık olarak kaydedilmiş ve bunlar üzerinde çeşitli görüntü işleme yöntemleri uygulanarak yaprak alanları hesaplanmıştır. Bitkiye zarar vermeden yapılan ölçümler sonucu, sürekli olarak yaprak alanı belirlenebilmiş ve bitkideki gelişmelerin bu yöntemlerle izlenebileceği, görüntü işleme yöntemlerinin bu amaçla kullanılabileceği saptanmıştır. Anahtar Kelimeler: Görüntü işleme, bitki izleme, yaprak alanı.
Hücresel sinir ağları ve yön seçici Gabor süzgeçleri
Doğadan ilham alınarak keşfedilen Yapay Sinir Ağları, günümüzde pek çok bilim dalında uygulama alanı bulmuştur. 1988 yılında insanoğlunun sinir sistemi işleyişinin modellenmesi fikrinden hareketle L. O. Chua ve L. Yang tarafından Hücresel Sinir Ağları (HSA) mimarisi ortaya konulmuştur. Bu yeni mimari, sahip olduğu analog hücresel yapı nedeniyle, görüntü işleme gibi sayısal sistemler ile gerçeklemede aşırı işlem yoğunluğu ve buna bağlı uzun cevap verme süresi darboğazlarıyla karşılaşılan uygulamalara yeni bir bakış açısı getirmiştir. Analog bir sistemin cevap verme süresi kadar kısa bir zamanda verilen giriş işaretine istenilen işlemleri gerçekleştirerek çıkış üreten HSA yapısı, görüntü işleme uygulamalarında kullanım alanı bulmuştur. 1946 yılında Kuantum fiziğinden ilham alınarak keşfedilen Gabor süzgeçleri ile işaretlerdeki spesifik bilgilerin analizinde başarılı sonuçlar elde edilmiştir. İki boyutlu Gabor süzgeçleri, yön ve frekans seçebilme özellikleri nedeniyle görüntü işleme alanında tercih edilir bir filtreleme işlemi gerçekleştirmektedir. İşaret işleme uygulamalarında giriş işareti ve filtre boyutlarına bağlı olarak ortaya çıkan hesaplama yükü, bilim adamlarını daha hızlı sonuçlar verebilen alternatif gerçeklemeler bulmaya yöneltmiştir. Özyineli Gabor süzgeçleri ve HSA Gabor-Tip filtreleri, Gabor filtreleri için keşfedilen alternatif yöntemlerden iki tanesidir. Bu çalışmada; Hücresel Sinir Ağları hakkında genel bir bilgi verildikten sonra yapının görüntü işleme alanına uygunluğu pratik bir uygulama ile gösterilmiştir. Gabor süzgeçleri ve görüntü işlemedeki önemleri anlatılmasının ardından Gabor süzgeçlerinin özyinelemeli gerçeklemeleri karşılaştırmalı olarak bir uygulama ile incelenmiştir. HSA Gabor-Tip süzgeç mimarisi analog devre gerçeklemeleri ile birlikte anlatılmış, özgün bir çalışma olarak eliptik Gabor süzgeç yapısı tanımlanmıştır. Bütün uygulamalarda MATLAB 7.4 program dili kullanılmıştır. Anahtar kelimeler: Hücresel Sinir Ağları (HSA), Gabor, Süzgeç, Görüntü İşleme, Özyineli, Eliptik.
Üretim otomasyonunda görüntü tabanlı hata tanıma sistemi
Endüstriyel üretim sistemleri günümüzde hızla gelişmektedir. Bununla beraber üretimde kalite ve verime olan talep de artmakta, ürünlerin kalite denetimleri önem kazanmaktadır. Bu denetimler, önceleri insan gözlemiyle oldukça yavaş ve düşük verimle yapılırken günümüzde otomasyon sistemleri kullanılarak bu işlemleri tamamıyla otomatikleştirme çabası doğmuştur.Özellikle görselliği ön planda olan ürünlerde yüzeysel hataların saptanabilmesi için görüntü işleme teknolojisinin kullanılması hem hız hem de verimlilik açısından oldukça önemlidir. Belirtilen önemi çıkış noktası alan bu çalışma, hareketli üretim bantlarından akan ürünlerin kameralar vasıtasıyla video görüntülerinin alınması ve görüntü işleme yöntemlerini kullanarak hızlı bir şekilde, üretimi aksatmadan hata tespitlerinin yapılmasını sağlamıştır. Bu hata tespiti değişik aşamalardan oluşmaktadır. İlk aşama görüntünün alınmasıdır. Görüntüler bant üzerinde sağlanan sabit ışık seviyeli ortamda alınırlar. Uygun bir kamera ile çekilen video görüntüleri içerisinden ürünlerin net olarak görüldüğü kareler alınır. Ancak ürünler üretim bandı üzerinde rasgele bir konumda bulunurlar. Bu nedenle ürünlerin görüntüleri konumdan bağımsız hale getirilmelidir. Geliştirilen tarama algoritması ile resmin herhangi bir noktasındaki ürün doğru koordinata taşınır. Elde edilen resimler hata analizinin yapılabilmesi için bazı ön işlemlerden geçirilir. İlk olarak resimdeki arka planlar, arındırma algoritması ile yok edilir ve RGB resim gri seviyeye çevrilir. Bu sayede resim boyutları küçültülerek yazılımın daha hızlı çalışması sağlanır. Sonrasında malzeme birden çok parçadan oluşuyor ise bu parçalar tek tek ayrılır. Elde edilen resimlerde Canny algoritması, Otsu eşikleme yöntemi ve morfolojik operatörler kullanılarak çizik taraması yapılır. Çizik saptamada en önemli problemlerden biri uyarlamalı eşikleme problemidir. Bu problemi aşmak için otsu uyarlamalı eşikleme yöntemi kullanılmıştır. Hata analizi sonrasında ise ortaya çıkarılan çiziklerin boyut ve sayıları belirlenir. Son olarak elde edilen bu verilerle ürünün hatalı veya hatasız olduğu bir mesajla belirtilir, ürün banttan ayrılır veya sınıflandırılır.
Design of a new biometric system based on hand geometry images using deep learning methods
Dorsal hand vein patterns are unique to each individual, making them a promising tool for accurate identity recognition. This thesis focuses on biometric analysis of human identification. The tecnocampus hand image dataset is used to validate feature extraction methods on dorsal hand images. The study compares and analyzes three Convolutional Neural Network CNN architectures: ResNet-50, GoogleNet, and SqueezeNet, which offer distinct approaches to feature extraction. It evaluates the performance of each method by applying them to a dataset. Based on the analysis, the most effective features are selected from the respective architectures. By leveraging the robustness of assessed CNN architectures and harnessing the power of Euclidean distance, the proposed approach achieves remarkable outcomes in the realm of image recognition. It uses feature vectors to measure similarity between dorsal images, and uses Euclidean distance to measure the similarity between feature vectors. This allows the algorithm to accurately identify and match hand vein patterns with high accuracy. With an overall accuracy of 97.32%, this research has significant implications for the field of biometric identification and could serve as a valuable foundation for future advancements in this area.
Kesirli Fourier dönüşümü analiziyle ilinti tabanlı iki boyutlu damgalama
Günümüzde bilgiye daha kolay erişebilmek için dijital ortam kullanılmaktadır. Ancak önemli ve değerli bilgilerin dijital ortama aktarılması bu bilgilerin güvenliğinin tehlikeye girmesine yol açmıştır. Bilgilerin kime ait olduğu, telif haklarının korunmabilmesi açısından çok önemli hale gelmiştir. Dijital işaretlerin algısal özelliklerini kaybetmeden gizli bilgi taşımasına dijital damgalama denir.Bu tezde dijital resimler için yeni bir dijital damgalama algoritması önerilmiştir. Algoritma, kesirli Fourier uzayında blok tabanlı gerçekleştirilmiştir. Damga işareti olarak 2-boyutlu çörp işareti ve 2-boyutlu dalga katarı kullanılmıştır. Alıcı kısmında mesaj ilintiyle tespit edilmiştir. Uygulamada 128×128 piksellik resimler kullanılmış ve her bir resme toplam 64 bit gömülmüştür. Algoritmanın performansı, alçak geçiren filtreleme ve gürültü saldırılarından sonra resimdeki hata sayılarındaki değişmeyle ölçülmüştür. Ayrıca damgalama işleminin resmi algısal olarak ne kadar değiştirdiği de tespit edilmiştir.Performans analizleri sonucunda algoritmada damga olarak 2-boyutlu çörp kullanıldığında alçak geçiren filtre gürbüzlüğünün daha fazla, damga olarak 2-boyutlu dalga katarı kullanıldığında görsel farklılığın daha düşük olduğu gösterilmiştir.
Gerçek zamanlı video işleyen yeni bir hücresel sinir ağı emülatörü tasarımı ve FPGA ile gerçeklenmesi
Hücresel Sinir Ağları (HSA) (Cellular Neural Networks (CNN)) kavramı Prof. Leon O. Chua ve L. Yang tarafından Kaliforniya Berkeley Üniversitesinde Aralık 1988 - Kasım 1997 arasında yapılan ?Nonlinear Circuits and Neural Networks? adlı bir ONR (Office of Naval Research) projesi sırasında geliştirilmiş ve 1988 yılında yayımlanmıştır. Daha sonraları Macar Bilim Akademisinden Prof. Tamás Roska ile birlikte yine Berkeley'de yapılan bir çalışmada Prof. Chua ve Prof Roska HSA Çok Kapsamlı Makinesi (HSA-ÇKM) (CNN Universal Machine) yapısını geliştirmişlerdir. Tasarlanan HSA-ÇKM yapısı önce küçük ölçekli (64×64), sonra daha büyük ölçekli (128×128) analog tümdevreler üzerinde gerçeklenmiştir. Bu tümdevrelerin işlem hızları çok yüksek olmasına rağmen, eşdeğer dijital doğruluklarının 7-8 bit olması, maliyetlerinin çok yüksek olması, şu ana dek gerçekleştirilebilen analog işlemci sayısı en yüksek tümdevrenin 128×128 hücreli (işlemcili) ve halen üzerinde çalışılmakta olan 256×256 analog hücreli HSA tümdevresinin bitirilememiş olması, araştırmacıları HSA yapısının dijital emülasyonları üzerinde çalışmaya yöneltmiştir.Bu tez çalışmasında, HSA yapısının FPGA tümdevresiyle dijital emülasyonu için kullanılabilecek yeni bir emülatör yapısı tasarlanmış, gerçeklenmiş ve bir kenar belirleme uygulamasıyla test edilmiştir. Bu yapı, basit taramalı (progressive) video işaretlerini gerçek zamanlı olarak işleyebilecek kadar hızlıdır ve bir VGA video işaretini alarak gerçek zamanlı olarak işleyip sonucu bir VGA monitöründe gösterebilir. Ayrıca, sistem maliyetlerinin düşürülmesi amacıyla yapı, FPGA dışında bir bellek elemanına ihtiyaç duymayacak şekilde tasarlanmıştır. Bu yeni yapı dijital görüntü işleme uygulamaları için hızlı ve genel bir çözüm oluşturmaktadır.Bu tez çalışması, küçük hedeflere adım adım ulaşarak sonuç hedefe varma yaklaşımıyla ilerletilmiştir. Bu yaklaşım doğrultusunda, öncelikle bir HSA emülatörü işlem birimi yapısı, çalışma hızı önemsenmeden oluşturulmuştur. Sonra bu işlem birimi yapısı, ardışık düzenle (pipeline) çalışması sağlanarak hızlandırılmış ve sistemdeki işlem birimlerinin çizgisel bir dizilimle (kaskad) bağlanarak birden fazla işlem biriminin eş zamanlı olarak çalışması sağlanmıştır.Tasarım ortamı olarak Xilinx firmasının ISE yazımı ve bu yazılımın şematik editörü kullanılmıştır. Tasarım öncelikle şematik editörle bilgisayar ortamına aktarılmış, daha sonra ISE yazılımı ile simülasyonu yapılarak tasarımdaki hatalar bulunmuş ve düzeltilmiştir. Tasarım, simülasyon programında çalışması sağlandıktan sonra FPGA kartı üzerine yüklenerek denenmiştir. Deneme işleminde, Xilinx firmasının ChipScope Pro yazılımı kullanılarak FPGA'de oluşturulmuş olan lojik analizör bloğu ile FPGA üzerindeki sinyaller çalışma esnasında bilgisayar ekranından gözlenmiş ve hata analizi yapılmıştır. Gözlenen hataların oluşma nedeni saptanarak tasarımda düzeltmelere gidilmiş ve sistemin hatasız çalışması sağlanmıştır.Sonuç olarak, basit taramalı video işretlerini 3×3 HSA şablonları ile dış bellek kullanmadan gerçek zamanlı olarak işleyen yeni bir HSA emülatörü yapısı önerilmiş ve Celoxica RC203 kartında bulunan Xilinx Virtex-II 3000 FPGA tümdevresi üzerinde gerçeklenmiştir. Gerçeklenen sistem 640×480 piksel 60 fps monokrom VGA video girişi ile test edilmiş ve çıkış videosu bir VGA monitöründe gözlenmiştir.Gerçeklenen emülatör yapısı CPU Turkey 2008 yarışmasının Akademik Yenilikçi Gömülü Sistem Tasarımı kategorisinde birincilik ödülü almıştır.
Medikal görüntü işleme tekniklerinin biyomekanik bir sisteme uygulanmasi
In the field of orthopedics treatment of extremity deformities can be realized by means of external fixators. But control of this biomedical system is very difficult. A mathematical model has been developed to improve quality of this service. Most of the parameters which are used in this theory have been obtained from two orthogonal medical images; one from Antero-Posterior, AP, direction and the other from lateral, L, direction. The quality of the results of this theory is dependent on the accuracy of the input parameters. Measuring these parameters takes a lot of time and accuracy of the results are low. The aim of this study is to prepare a software to make these measurements automatically and faster, to increase the accuracy of the results and thereby contrubuting to the improved accuracy of the calculations associated with the mathematical model.
Library based image reconstruction on x-ray films for external fixator automation
In medical practice, the treatment of fractures and deformities associated with extremities utilizes mechanical devices called external fixators. The quality of treatment involving external fixators can be enhanced with a biomechanical approach whereby a mathematical model of the fixation system is developed for its effective and efficient usage. The main point is to fixate the fracture first without any detailed preoperative planning considering the conditions of the bones and the surrounding soft tissue, and then apply a correction to the resulting permanent displacements based on the mathematical theory. Stewart platform mechanism is selected as an appropriate frame. For this procedure to run smoothly, the input and the output of the mathematical model should be performed with sufficient accuracy and following a certain standard. For this purpose, software is developed that shows how the robotic frame should be configured in order to bring the bone fragments into the correct anatomical position by using antero-posterior (AP) and Lateral (L) X_Ray images and outputs of clinical examination. The standard input to the mathematical model is obtained by processing the collected numerical data with this software. For easy perception of the output data by the orthopedic surgeon, a user-friendly interface is developed that hides the details of the mathematical theory. Usefulness of the software and biomechanical system are demonstrated with two different practical applications.
Bilgisayarlı görü ve ses algılama tekniği ile hareketli nesne takibi
Bu çalışmada bilgisayarlı görü yöntemi ve ses algılama metodu ile hareketli cisimlerin takibi, gerçekleştirilen bir uygulama üzerinde paralel olarak çalıştırılmıştır. Geliştirilen uygulamada iki adet kamera ve iki adet mikrofon ile paralel olarak ses ve görüntü işleme teknikleri kullanılarak hareketli cisimler takip edilecektir. Kameralardan alınan bilgiler bir resim olarak alınıp üzerinde görüntü işleme teknikleri kullanılarak hareketin yönü ve hızı tespit edilecektir. Bu tespit akabinde motorlar yardımı ile gerçekleştirilen deney düzeneğine komut olarak gönderilmekte ve mekanik düzeneği harekete geçirmektedir. Bu sayede görüntü takibi işlemi gerçekleştirilmiştir. Ses takibi ise ses kaydı alınan bilgi, ses işleme tekniği ile birlikte daha önce kaydedilen ses örnekleri ile eşleştirilerek sesin anlamı çıkartılır ve bu program tarafından yüklenen anlam mekanik düzeneğe komut olarak yansıtılır. Bu sayede yazılım tarafından gönderilen komutlar yardımı ile kontrol düzeneği prototipi harekete geçirmektedir. Bu çalışma sayesinde insanlaştırılan robotların algılama yetenekleri geliştirilerek hareket ve sese duyarlı robotların oluşturulmasına zemin hazırlayacak bir uygulama geliştirmiştir.
Sosyal medyada paylaşılan toplumsal olaylara ilişkin işlenmiş görüntülerin grafik tasarım ilkeleri açısından incelenmesi
İletişim teknolojilerinde yaşanan nicel ve nitel dönüşümler her türlü yaşantı, duygu, düşünce ve üretimin kolay ve hızlı biçimde toplumla paylaşılabileceği bir medya türünün oluşmasını sağlamıştır. Sosyal medya olarak adlandırılan bu sanal ortam kullanıcı tabanlı olması, insanlar arasındaki etkileşimi arttırması ve kitleleri biraraya getirmesi gibi özellikleri bakımından da önem taşımaktadır. Bugün her türlü görsel, metin, video ve ses içeriklerinin üretilmesi ve paylaşılabilir olmasıyla birlikte sosyal medya, etkileşimin üst düzeyde olduğu bir alan haline gelmiştir. İnternette paylaşım olanaklarının artması ve bireylerin içerik üreterek bu içerikleri sosyal medyada paylaşabilmesi, görseller başta olmak üzere pek çok multimedyanın üretilip paylaşılmasına sebep olmuş; görsel içeriklerin Photoshop, Illustrator, CorelDraw ve Paint gibi görüntü işleme yazılımlarıyla işlenerek üretilmeye başlanması sonucu yeni bir görüntü türü ortaya çıkmıştır. Bu görüntü türünün zamanla hem bir iletişim biçimi, hem de grafik ürün olarak değer görmeye başlaması ise, bu görüntülerin grafik tasarım ilkeleri açısından incelenmesi gerekliliğini ortaya çıkarmıştır. Yapılan bu araştırmada iletişim, sosyal medya ve grafik tasarım hakkında kavramsal çerçeveler oluşturulmuş ve ardından yazılımlar aracılığıyla işlenerek paylaşılan görüntülerden örnekler seçilerek bu örnekler grafik tasarım ilkeleri açısından incelenmiştir. Araştırmanın; sosyal medyada görülen bu yeni üretim biçiminin, geçmişten bugüne teknolojik gelişmeler ile toplumsal olaylar neticesinde dönüşüme uğramış ve uğramaya devam eden grafik tasarım alanının ilkelerine uygun biçimde üretilmesi konusunda faydalı olacağı öngörülmektedir. Anahtar kelimeler: Sosyal medya, grafik tasarım, işlenmiş görüntüler.
Makine öğrenmesi ile alabalık, çipura ve levrek balıklarının kalite seviyelerinin ve türlerinin belirlenmesi
Sağlıklı beslenme kavramının bilimsel araştırmaların sonuçları ile işlenmesine bağlı olarak toplum sağlığı için balık eti tüketiminin önemi her geçen gün artmaktadır. Balık etinde bulunan doymamış yağ asitlerinin insan metabolizmasındaki esansiyel etkileri kendisini diğer gıdalara göre daha fonksiyonel hale getirmektedir. Ancak söz konusu fonksiyonel bileşiklerin kompleks yapısı balık etini hızlı bozulan bir gıdaya dönüştürmektedir. Buna bağlı olarak da balık etinin kalite parametrelerinin çok iyi ve hızlı tespit edilmesi gerekir. Balık kalitesinin belirlenmesinde kullanılan duyusal, kimyasal ve mikrobiyolojik analizler zaman, teçhizat ve yetişmiş personel gerektiren ayrıca sonuçlarının geç elde edildiği spesifik analizlerdir. Makine öğrenimi ise yapılan bilgi girişlerini işleyerek onları kullanıcıya yararlı bilgilere dönüştürebilen ve bunları tahmin yapmada kullanabilen çeşitli algoritmalardan oluşan yapay zekâlardır. Gelişen teknoloji ile makine öğrenimi birçok endüstride anlamlı değişiklikler başlatmış ve gösterdiği yüksek performans ile önemli sorunların ortadan kaldırılmasını sağlamıştır. Makine öğreniminin en büyük avantajı büyük miktarda veriyi hızla işlemek ve zamandan tasarruf sağlayan bir kontrol noktasına sahip olmaktır. Gıda kalitesinin belirlenmesinde ise makine öğrenmesi gıdaya temas etmeden ve onu tahrip etmeden uygulanabilecek önemli bir yöntem olabilir. Bu tez çalışmasında derin öğrenme yöntemi ile farklı türdeki balıkların kalite parametreleri belirlenmek istenmiştir. Bu işlem için farklı türdeki; alabalık, levrek ve çipura balıkları 7 gün boyunca (3±1°C) buz içerisinde depolanmış ve her depolama gününde resimleri kayıt altına alınmıştır. 3 farklı balık türü için depolama süresince toplam 21.386 adet görüntü elde edilmiştir. Elde edilen bu görüntüler makine öğrenimi ile kalite sınıflandırılmasına tabi tutulmuştur. Çalışmada, görüntülerden elde edilen Convolutional neural networks (CNN) özelliklerinin kullanıldığı görüntüleri sınıflandırmak için bir destek vektör makinesi olan ve SVM (support vector machine) olarak bilinen algoritma kullanılmıştır. CNN'nin ilk katmanı, görüntülerin giriş boyutlarını belirtmiştir. Doğru sınıflandırma oranları %90,6 ile %100 arasında değişmiş ve veri artışının artması ile doğruluk oranında beklenen artışın oluştuğu gözlenmiştir. Alabalık, çipura ve levrek için ortalama doğru sınıflandırma oranları %80 üzerinde elde edilmiştir. Çalışma sonuçları makine öğrenmesi ile balığa ait taze-bayat ayrımının yüksek doğruluk oranında belirlenebileceğini ve makine öğrenmesinin hızlı kalite belirleme metodu olarak kullanılabileceğini göstermiştir.
Derin öğrenme ile öznitelik çıkarma ve sınıflandırma uygulaması
Botanik ve tarımda, yaprakların sınıflandırılması biyoçeşitlilik, ekolojik çalışmalar ve bitki türlerinin tanımlanması üzerine yapılan çalışmalar için hayati bilgiler sağlayan kritik bir süreçtir. Hazır veri setleri, çeşitli bitki türlerinden kapsamlı bir yaprak görüntüsü koleksiyonu sunarak gelişmiş sınıflandırma algoritmalarının geliştirilmesini ve değerlendirilmesini sağlamaktadır. Bu çalışma, öznitelik çıkarma ve sınıflandırma aşamalarıdan yaprak görüntülerini sınıflandırmak için sağlam bir metodoloji sunmaktadır. Oluşturulan veri seti her sınıftan 1000 er adet olmak üzere toplam 15000 görüntüye sahiptir. Öznitelikler, önceden eğitilmiş sinir ağları ileri çıkarılmaktadır. Ön işleme yöntemleri kullanılmamıştır. Bazı teknikleri sistematik olarak entegre ederek boyutluluğu azaltmayı, alakasız veya gereksiz öznitelikleri ortadan kaldırmayı ve veri kalitesini iyileştirme amaçlanmaktadır. Öznitelikle büyük veri kümeleri ve çok sayıda sınıf söz konusu olduğunda sınıflandırmada doğruluğu artırmak, veri ön işleme, model seçimi, düzenleme teknikleri ve ince ayarın bir kombinasyonunu içermek zorundadır. Düşük profilli veri seti olduğundan bu çalışmada buna gerek duyulmamıştır. Veri seti ileriki çalışmalarda daha büyük sıkalaya yükseltildiğinde özniteliklerin daha sağlam olması çaısından bazı önişleme yöntemlerini kullanmak zorun olacaktır. Sonuçlar, 15 sınıflı veri seti için 2 modelin öznitelik çıkarmada kullanıldığı çalışmada eğitim oranı %40 ların üzerine çıktığında her model için sınıflandırma başarımının %90'ın üzerine çıktığını göstermektedir.
Implementation of target tracking methods on images taken from uav (Unmanned Aerial Vehicles)
In this thesis, a software has been developed by applying image processing, and deep learning methods to the images obtained with the camera on an unmanned aerial vehicle (UAV). Basic traffic objects are detected, placed in boundary boxes, labeled, and their confidence ratings are calculated as a percentage to provide an improved vision system for UAV users. The vision system has an important role in the professional field of UAVs to accomplish their tasks, and the target objects can be detected within the vision system by using Artificial Neural Networks (ANN). In this study, Faster-R CNN and YOLOv2 models were used, and compared for object detection. The Microsoft-COCO pre-trained data set is used for the training, and a new data set which is prepared with the images taken from UAV. Classes are person, car, and motorcycle. The objects were detected successfully. The methods and results were compared according to the performance and accuracy ratios both on the pre-trained data and on the data set prepared on the images taken from UAV.
Smart trailer system with driver behaviour recognition and 360-degree surround view camera
Driver safety has always been an essential subject for humanity, and technology has improved continuously in the twenty century. New technologies for driver safety have started to develop in-car technologies. Even though the technologies are increasing and significant motor-vehicle fatalities are decreasing on motorways, driver safety still plays a big part in the automotive industry. This study intends to provide a new dataset and an effective method for driver behavior recognition based on driver behavior with a machine learning model named YOLOV5. Furthermore, a 360-degree blank spot surround-view camera system was also integrated into the study to increase driver safety. Due to advanced technology giving a chance to imply a better plan, using these systems may prevent traffic accidents much more rather than not using them at all. The image recognition model used in this study is YOLOV5 (You Only Look Once Version 5). This model is implemented the driver image data provided from KOE (Koluman Otomotiv Endüstri). Different parameters are used to determine the results. The selected metrics are mean averaged precision, precision, recall, classification, and essential other metrics. With the evaluation of the object behavior model's accuracies, this paper aims to determine the effectiveness of driver behavior recognition using the YOLOV5 model. Image processing methods used in this study are from OpenCV libraries. This library function is implemented to the taken image from fisheye lens cameras, and calibration methods are used for better results. Key words: Machine Learning, Image Processing, Driver Behavior Recognition, Surrond View, Artificial Intelligence
Ultrafast pattern based line detector for real time image processing
Line detector algorithms are used for feature extraction, segmentation, pattern recognition, matching and object detection in computer vision applications such as detection of road lanes and power lines. The fastest line detector so far published in the literature is presented in this thesis. This line detector algorithm is 14.88 times faster than the next fastest line detector, the EDLines, and 94.7 times faster than the line segment detector and more reliable than the Standard Hough Transform. An ingeniously simple method for detecting and combining patterns with advantage of several look-up tables is introduced to recognize and fit straight-line patterns. As the first step, it recognizes any possible 4 × 4 pixel line patterns among the binary edge pixels and then uses the slope and the connection points look-up tables to decide whether the connected patterns form a line or not. This algorithm is implemented and tested in MATLAB to compare the speed performance. MATLAB executable file is created by compiling C++ code. The experimental results are presented as graphics and tables in terms of the speed. According to the results, the proposed algorithm is an ultrafast line detector for real time image processing. This algorithm is especially designed for high definition images. Key Words: Line Detector, Feature Extraction, Segmentation, Pattern Recognition, Image Processing, Matlab
Uydu görüntüleri kullanılarak çatı üstü fotovoltaik enerji potansiyelinin belirlenmesi
Günümüzde teknolojinin gelişmesiyle enerjiye olan talebin artması yenilenebilir enerji kaynaklarının kullanım oranını artırma yönünde politikalar üretilmesini sağlamaktadır. Yenilenebilir enerji kaynaklarının sınırsız ve temiz olması, enerjide dışa bağımlılığı azaltması gibi faktörler bu kaynaklara olan talebin temelini oluşturmaktadır. Düşük kurulum maliyeti, bakım işlemlerinin kolaylığı ve kurulum alanı çeşitliliği gibi faktörler fotovoltaik sistemleri yenilenebilir enerji kaynakları arasında öne çıkarmaktadır. Bu kapsamda fotovoltaik sistem potansiyelinin belirlenmesi önem kazanmaktadır. Bu tez çalışmasında, uydu görüntüleri kullanılarak görüntü işleme yöntemi ile binaların üzerinde bulunan çatılar için FV enerji kapasitesi belirlenme işlemi gerçekleştirilmiştir. Coğrafi konum bilgisi olarak kullanılan enlem-boylam değerleri ile farklı yakınlaştırma seviyelerinde ve boyutlarda uydu görüntüleri elde edilmiştir. Çalışmada elde edilen görüntüler HSV renk modeli yöntemi ve K-Means algoritması filtreleme yöntemleri olmak üzere iki yöntem ile değerlendirilmiştir. Birinci yöntemde görüntülerin renk özü, doygunluk ve parlaklık değerleri optimum seviyelere getirilerek eşikleme (thresholding) ile ayrıştırma uygulanabilmesi için uygun görüntü elde edilmiştir. Eşikleme sonrası belirlenen konum merkez alınarak çatı kenarları belirlenmiş ve çizdirilmiştir. Belirlenen kenarlar içinde kalan alan üzerinden konumun FV kapasitesi belirlenmiştir İkinci yöntemde ise görüntülere K-Means filtreleme algoritması uygulandıktan sonra çatı alanı tespiti yapılmış ve FV kapasitesi belirlenmeye çalışılmıştır. Yöntemlerin uygulanabilirliğini değerlendirmek amacıyla 5 farklı konuma ait görüntüler elde edilerek filtreler uygulanmıştır. Filtreleme yöntemlerinin doğruluğu PV*SOL simülasyon programı ile elde edilen sonuçlar ile karşılaştırılmış ve yöntemlerin verimliliği test edilmiştir. Sonuç olarak, çalışmada uygulanan yöntemlerin kişisel kullanıcılara bulundukları konumların çatı üstü fotovoltaik kapasitesinin etkili bir şekilde belirlenmesi konusunda önemli fayda sağlayacağı beklenmektedir.