Geri Dön

Fabrika içi ortamlarda görsel nesne sezimi

Visual object detection in factory environments

PDF İndir

  1. Tez No: 666985
  2. Yazar: NAZLICAN GENGEÇ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ HASAN SERHAN YAVUZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Telekomünikasyon - Sinyal İşleme Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Endüstri 4.0'ın endüstriye getirdiği teknolojik gelişmeler ile birlikte otonom taşıyıcı araçlar akıllı fabrikaların önemli bileşenlerinden biri haline gelmiştir. Otonom taşıyıcı araçların çevresini algılayabilmesini sağlayan algılama sistemleri, bu araçların başarılı bir şekilde çalışabilmelerinde kritik rol oynamaktadır. Bilgisayarlı görme alanındaki gelişmeler araçların çevreyi ve çevredeki nesneleri görsel olarak algılayabilmesinde büyük fayda sağlamıştır. Özellikle dış ortamlarda akıllı trafik ağları için çok sayıda görsel kamera tabanlı uygulama mevcuttur. Ancak dış ortamlara kıyasla iç mekan endüstriyel ortamlarda otonom taşıma araçları için uygulama ve veri tabanı eksikliği vardır. Akıllı fabrikalarda bazı temel güvenlik ve yön işaretleri bulunmaktadır. Bu işaretler güvenlik konularında önemlidir ve otonom araçlar tarafından doğru bir şekilde tespit edilmesi gerekmektedir. Bu çalışmada, bir akıllı fabrika ortamının benzetildiği bir laboratuvarda fabrika içi güvenlik ve yönlendirme işaretlerinden ve fabrikalarda bulunabilecek bazı önemli nesnelerden oluşan görsel bir veri kümesi oluşturulmuştur. Gerçek zamanlı çalışan güncel derin öğrenme modelleri içerisinden Faster R-CNN, SSD, RetinaNet, YOLOv3 ve YOLOv4 derin öğrenme modelleri seçilmiştir. Seçilen bu modeller hazırlanan veri kümesi üzerinde eğitilmiştir. Daha sonra bu yöntemlerin performansları doğruluk cinsinden karşılaştırılarak hangi yöntemlerin daha başarılı olduğu gözlenmiştir. Test edilen bütün yöntemler arasında en yüksek doğruluk değeri YOLOv4 modeli ile edilmiştir.

Özet (Çeviri)

With the technological developments brought by Industry 4.0 to the industry, autonomous transport vehicles have become one of the important components in smart factories. Sensing systems that enable autonomous transport vehicles to perceive their environment play a critical role in the successful operation of these vehicles. Developments in the field of computer vision studies yield the vehicles to visually perceive the environment and detect the objects in the environment. There are many applications especially for smart traffic networks in outdoor environments. However, there is a lack of application and database for autonomous transport vehicles in indoor industrial environments compared to outdoor environments. Smart factories have some basic safety and direction signs. These signs are important for safety issues and need to be correctly detected by autonomous vehicles. In this study, a visual dataset consisting of in-factory security and orientation signs and some important objects that can be found in factories was created in a laboratory where a smart factory environment was simulated. Faster R-CNN, SSD, RetinaNet, YOLOv3 and YOLOv4 deep learning models were selected among the current deep learning models working in real time. These selected models were trained on the prepared data set. Later, by comparing the performances of these methods in terms of accuracy, it was observed which methods were more successful. The highest accuracy value among all the methods tested was with the YOLOv4 model.

Benzer Tezler

  1. Tez No

    520349

    Multimodal sensing for manipulation failure detection

    Etkileşim hatası sezme için çok kipli algılama

    ARDA İNCEOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SANEM SARIEL

  2. Tez No

    233772

    Fabrika atıklarından izole edilen Bacillus sp.’den aktif ve kararlı lipaz üretim koşullarının ve üretilen enzimin deterjan endüstrisinde kullanımının araştırılması

    The investigation of active and stable lipase production conditions from Bacillus sp. isolated from factory wastewaters and of their utilization in detergent industry

    BAŞAK MARUL

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    BiyoteknolojiAnkara Üniversitesi

    Biyoteknoloji Ana Bilim Dalı

    PROF.DR. SERPİL TAKAÇ

  3. Tez No

    449335

    Indoor radio propagation studies in industrial environments

    Endüstriyel ortamlarda bina içi radyo yayılımı çalışmaları

    ŞEYMA TÜTÜNCÜ

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Elektrik ve Elektronik MühendisliğiAtılım Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ KARA

  4. Tez No

    1008868

    Akustik verilere dayalı ark kaynağı süreçlerinde sınır bilişim ve nesnelerin interneti tabanlı gerçek zamanlı kalite tespiti

    Real-time quality detection in welding processes based on acoustic data using edge computing and the internet of things

    BİLAL YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTokat Gaziosmanpaşa Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MAHMUT DURGUN

  5. Tez No

    127045

    Pişmiş toprak tuğla, bimsbeton, gazbeton ve perlitli yapı malzemelerinin fiziksel, kimyasal ve mekanik özelliklerinin karşılaştırmalı olarak incelenmesi

    A Comparative study of brick, pumice concrete, autoclaved aerated concrete and perlite construction materials including physical, chemical and mechanical properties

    YUNUS EMRE ÇİÇEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    Mimarlıkİstanbul Teknik Üniversitesi

    Mimarlık Ana Bilim Dalı

    DOÇ. DR. MUSTAFA E. KARAGÜLER

Geri Dön