Noise robust real-time focus detection with deep learning for ultra-fast laser micromachining
Ultra-hızlı laser mikroişleme için derin öğrenmeye dayalı gürültüye dayanıklı gerçek zamanlı odak belirleme sistemi
- Tez No: 765514
- Danışmanlar: YRD. DOÇ. DR. PARVIZ ELAHI
- Tez Türü: Yüksek Lisans
- Konular: Fizik ve Fizik Mühendisliği, Physics and Physics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Fizik Ana Bilim Dalı
- Bilim Dalı: Fizik Bilim Dalı
- Sayfa Sayısı: 109
Özet
Bu tezde, ultra-hızlı laser kaynağının ürettiği laser ışınınını materyal üzerinden yansıması dedekte edilerek ışının ilgili malzemenin üzerine doğru bir şekilde odaklanabilmesi için birden fazla makine öğrenmesi metodu geliştirilmiştir. Geliştirilen bu modeller hem deneysel hem de kuramsal olarak test edilmiştir. Deneysel olarak ayna, silikon, bakır ve demir örnekleri kullanılıp geliştirilen modeller teste tabii tutulmuştur. Önerilen bu modeller anlık kontrol sağlayıp \%90 üzerinde tahmin başarısına sahiptir. Kuramsal çalışma için hem materyal yüzeyinde olan gürültü hem de dedektör sistemi üzerinde olan gürültü değerlendirmeye tutulmuştur. Kuramsal çalışmada bulunan gürültülerin simülasyonu için Fourier optiği ve sinyal işleme teknikleri kullanılmıştır. Materyal üzerindeki gürültü seviyelerini belirlemek için lazer taramalı mikroskop kullanılıp, dedektör sistemi üzerindeki gürültü için de piyasadaki dedektör gürültüleri baz alınmıştır. Evrişimsel Sinir Ağları modeliyle odak kontrolü yapılmıştır. Bu kontrol, gürültü seviyesine göre \%95 üzerinde tahmin başarısına sahiptir.
Özet (Çeviri)
In this thesis, different types of machine learning models are provided for ultra-fast laser micromachining system to actively control the focusing of light on the processing material by detecting the reflected light. These different types of models are tested for both experimental and theoretical approaches. For the experimental approach, four different machine learning models are explored. These models were tested for mirror, silicon, steel, and copper samples. The proposed machine learning models offer real-time control with over 90\% accuracy. For the simulation, noise at the material surface and the detection system are considered. The noise simulation, including the laser micromachining system, is done using Fourier optics and signal processing. Noise levels at the material surface are determined by laser scanning microscope measurements of experimental samples, and the commercial detection camera noises are considered for the detection noise. Convolutional neural network models are used for focus control in the simulation. Depending on the noise level, the proposed model achieves above 95\% accuracy.
Benzer Tezler
- Open-set object recognition
Açık-set nesne tanıma
SALMAN MOHAMMAD
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SHERVIN RAHIMZADEH ARASHLOO
- Computer vision algorithms for mobile camera applications
Başlık çevirisi yok
KORAY ÖZCAN
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSyracuse UniversityDr. SENEM VELİPAŞALAR
- MEMS mikrofon dizini ile varış zaman farkı esaslı akustik yön tespiti
Time difference of arrival based acoustic direction estimation with MEMS microphone array
NURİ BAŞAR
Yüksek Lisans
Türkçe
2024
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
- Fizyolojik işaretler yardımıyla kalp atışı tespiti ve uygulamaları
Heart rate detection using physiological signs and its applications
MUSTAFA KORKMAZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAFFET VATANSEVER