Energy management system in real time by image processing and deep learning
Görüntü işleme ve derin öğrenme ile gerçek zamanlı enerji yönetim sistemi
- Tez No: 637533
- Danışmanlar: PROF. DR. ERGUN ERÇELEBİ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Devreler ve Sistemler Bilim Dalı
- Sayfa Sayısı: 110
Özet
Karmaşıklık ve elektrik sistemlerinin boyutu sürekli büyüdükçe, ağır yükleme, elektrik gücünü yönetmek ve talep ve müşteri tarafında enerji tüketimini düzenlemek için ekstra sistemler gerektirecektir. Bu problemlerin üstesinden gelmek için bu tezde akıllı bir güç yönetim sistemi geliştirilmiştir. Sistem mini bilgisayar, sensörler, görüntü işleme ve derin öğrenme algoritmaları kullanılarak gerçekleştirilmiştir. Geliştirilmiş güç yönetim sistemi, güç tüketimini mümkün olan daha düşük sınırlara düşürmek, ortam sıcaklığını kontrol etmek, insan aktivitelerine bağlı olarak bazı cihazları açmak / kapatmak gibi birçok elektrik yönetiminin önemli yönlerini ele alabilir. Tezde geliştirdiğimiz ve akıllı bina yönetimi diye isimlendirdiğimiz sistem kullanıcı konforuna göre ortam sıcaklığını ayarlamak için iklimlendirme sisteminin otomatik olarak kontrol edilmesi, iç mekanda insan hareketliliğine bağlı olarak aydınlatma ve televizyonun açılıp kapanması gibi kararları gerçek zamanlı olarak yapabilme avantajına sahiptir. Bu çalışmada, Raspberry Pi olarak mini bilgisayar ile uyumlu bir kamera, insanın varlığını ve aktivitesini tespit etmek için görüntü veya gerçek zamanlı akış videosu kaydetmek için kullanılmıştır. Evrişimsel Sinir Ağları yapısına dayalı derin öğrenme, nesneleri düzgün bir şekilde sınıflandırmak için etkili bir yaklaşım olarak kullanılmıştır. Ayrıca, görüntü işleme araçlarına ek olarak göze çarpan nesne algılama algoritmasından, ayrımcı özellikleri ayıklamak ve değerli nesneleri tespit etmek için yararlanıldı, böylece hem gerçek karar hem de ağ öğrenimini hızlandırıldı. Python bilgisayar program dili, büyük kütüphane fonksiyonuna sahip olması ve gerçek zamanlı gömülü sistemin programlanmasına uyumluluğundan dolayı kullanılmıştır. Elde edilen sonuçta göre, sistemin elektrik tüketimini akıllı ve doğru yönetebileceğini doğruladı. Ayrıca, tanıma algoritması, algılama doğruluğunun 97,9% olması ve yakınsama süresinin 0,9 saniyeye ulaşması+ insan formundaki diğer nesneleri ayırmada hızlı bir şekilde iyi sonuçlar üretebilir.
Özet (Çeviri)
As complexity and the size of electrical systems perpetually enlarges, heavy loading will require extra systems to manage electrical power and regulate energy consumption in the demand and customers side. To overcome these problems, in this thesis, a smart power management system has been developed. The system has been realized using minicomputer, sensors, image processing and deep learning algorithms. The developed power management system can handle a lot of electrical management crucial aspects such as reducing power consumption to lower possible limits, controlling ambient temperature, turn on/off some devices depending on human activities. The system we developed in the thesis and named as smart building management has the advantage of making the decisions such as automatic control of the air conditioning system to adjust the ambient temperature according to the comfort of the user, lighting and turning the television on and off depending on the human mobility in the interior. In this study, a camera compatible with minicomputer as Raspberry Pi has been utilized for taking image or recording real-time streaming video for detection the existence of human and his activity. The deep learning based on Convolutional Neural Network (CNN) structure has been utilized as an efficient technique in order to classify the objects properly.Furthermore, the saliency object detection algorithm in addition to image processing tools has been exploited to extract the discriminative features and detect the valuable objects so that speed up both taking the true decision and network learning. The Python computer program language has been utilized because of having huge library functions and its compatibility in programming the real-time embedded system. Experimental results show that the proposed system could be administered electrical consumption with smart and accurate behaviour. Moreover, the recognition algorithm has rapidly produced good results in distinguishing human from other objects, where the accuracy of correct detection can reach to 97.9% and convergence time reach to 0.9 seconds.
Benzer Tezler
- Endüstri 4.0 çerçevesinde kestirimci imalat teknolojileri
Predictive manufacturing technologies in industry 4.0 framework
KADİR TOLGA BAYER
Yüksek Lisans
Türkçe
2019
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGUT GÜLMEZ
- Time-frequency analysis of the ECG including optical processing
Başlık çevirisi yok
MEHMET EMİN TAĞLUK
Doktora
İngilizce
1997
BiyomühendislikUniversity of SussexBiyomedikal Mühendisliği Ana Bilim Dalı
DR. M. J. ENGLISH
- Titreşimi algılayan ve analiz eden kablosuz gömülü sistem tasarımı
Vibration detection and analysis based on a wireless embedded system
BİLAL CANATAR
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ REVNA ACAR VURAL
DR. ÖĞR. ÜYESİ BAYKAL SARIOĞLU
- Sıkı geçme operasyonu için ANFIS ve yapay sinir ağları modellemesinin matematiksel model ile karşılaştırılması
Comparison of ANFIS and ann modeling with mathematical model for press-fitting operation
OĞUZHAN ŞİMŞİR
Yüksek Lisans
Türkçe
2024
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ FUAT ERGENÇ
- Doğal gaz dağıtım süreçlerinde yaşanan olası problemler ve çözüme yönelik bütünleşik mekansal veri altyapısı tasarımı
Possible problems in natural gas distribution processes and the design of an integrated spatial data infrastructure for solutions
TUĞÇE CEVAHİROĞLU
Yüksek Lisans
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. AHMET ÖZGÜR DOĞRU