Ses komutları ile robot kolu kontrolü
Robot arm control by using voice commands
- Tez No: 678658
- Danışmanlar: DR. ÖĞR. ÜYESİ SERKAN KESER
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Konuşma tanıma, robot kolu kontrolü, FDAA, AOVY, YSA, Speech recognition, Robot arm controlling, FLDA, DCVA, ANN
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Kırşehir Ahi Evran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Gün geçtikçe cihazların uzaktan kontrolünü gerçekleştiren tanıma sistemleri büyük önem kazanmaktadır. En çok kullanılan tanıma sistemleri olarak konuşma, yüz ve parmak izi tanıma sistemleri gösterilebilir. Konuşma tanıma sistemleri güvenlik sistemlerinde, cihaz kontrolü sistemlerinde ve dikte ettirme sistemlerinde gerçek zamanlı olarak kullanılabilmektedir. Bu çalışmada konuşma komutlarının gerçek zamanlı olarak tanınması ile robot kolu kontrolü gerçekleştirilmiştir. Konuşma komutlarının tanınması için etkili alt uzay sınıflandırıcıları olan Fisher Doğrusal Ayrım Analizi (FDAA), Ayırtedici Ortak Vektör (AOVY) ve Yapay Sinir Ağları (YSA) kullanılmıştır. Bu sınıflandırıcılardan AOVY ilk kez ses tanımada kullanılmıştır. Eğitim seti için, herbiri altı farklı renge sahip dört farklı nesne için toplam 24 adet konuşma cümleleri oluşturulmuştur. Eğitim kümesi konuşmacı bağımlı olarak oluşturulmuştur. Test aşamasında gerçek zamanlı olarak konuşma sinyallerinin tanınması ile robot kolu önceden koordinatları belli olan nesneye yöneltilmektedir. Bu yönelme işleminin yapılabilmesi için öncelikle bilgisayar yazılım arayüzü ile konuşma komutları gerçek zamanlı olarak tanınmakta ve tanınan komuta göre ilgili veriler RS232 seri iletişim protokolü kullanılarak robot kontrol kartına iletilmektedir. Ardından kontrol kartında herbir nesnenin yerinin bilgisini içeren mikrodenetleyici yardımı ile robotun servo motorları nesne konumuna doğru yönelmektedir. Çalışma sonucunda AOVY için dil modelli ortalama konuşma tanıma oranı %98,3 ve dil modelsiz %90,73 olarak bulunmuştur. FDAA için dil modelsiz ortalama konuşma tanıma oranı %89,48 ve dil modelli %97,1 olarak bulunmuştur. YSA için dil modelli ortalama konuşma tanıma oranı %91,1 ve dil modelsiz %81,9 bulunmuştur. Çalışma sonucunda AOVY en yüksek ses tanıma oranına sahip olup diğer yöntemlerden daha iyi sonuçlar vermiştir.
Özet (Çeviri)
Recognition systems, which perform remote control of devices, have gained significant importance day by day. Speech, face, and fingerprint recognition systems seem to be the most frequently used recognition systems. Speech recognition systems can be used in real time in security systems, device control systems and dictation systems. In this study, the robot arms controlling by recognizing the real-time speech commands have been done. The Fisher Linear Discriminant Analysis (FLDA) and Discriminative Common Vector Approach (DCVA) of effective subspace classifiers have been used to recognize speech commands. One of these classifiers, DCVA was used for the first time in voice recognition. For the training set, a total of 24 speech sentences have been created for four different objects which have got six different colors. The training set has been created as speaker-dependent. During the test phase, by recognizing the speech signals in real-time, the robot arm has been directed to the object whose coordinates have been previously determined. In order to perform this direction process, firstly speech commands are recognized in real time by the computer software interface and the relevant data are transmitted to the robot control card using the RS232 serial communication protocol according to the recognized command. Then, with the help of the microcontroller containing the information of the location of each object on the control card, the robot's servo motors are directed towards the object position. As a result of the study, the average speech recognition rate for DCVA with language model was 98.3% and without language model was 90,73%. For the FLDA, the average speech recognition rate without language model was 89.48% and with language model was 97.1%. For ANN, the average speech recognition rate with language model was 91,1% and without language model 81,9%.
Benzer Tezler
- Uzaktan sesle kontrol edilebilen robot tasarımı ve yapımı
Designing and making a robot sensitive to voice with a remote control
FATİH BALTACIOĞLU
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiTeknik Eğitim Bölümü
PROF. DR. HÜSEYİN EKİZ
- Arduıno ile çalışan çok fonksiyonlu robot
Multifunctional robot working with arduino
CİHAN AKSU
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHaliç ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÜLVİYE HACIZADE
- External control of PUMA 700 series robot based on the communication protocols LUN and DDCMP
LUN ve DDCMP iletişim protokolleri yoluyla PUMA 700 serisi robotun dışarıdan denetlenmesi
ÖNDER EMİN GEBİZLİOĞLU
Yüksek Lisans
İngilizce
2003
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN ERSAK
- Multimodal sensing for manipulation failure detection
Etkileşim hatası sezme için çok kipli algılama
ARDA İNCEOĞLU
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SANEM SARIEL
- Ses ile kontrol edilen paletli gezgin robot tasarımı
Design of a tracked mobile robot controlled with voice
AHMET VATANSEVER
Yüksek Lisans
Türkçe
2017
Makine MühendisliğiTrakya ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HİLMİ KUŞÇU