Kamera tabanlı algılama sistemleri için yapay zeka tabanlı anomali tespiti
Artificial intelligence based anomaly detection for camera-based perception systems
- Tez No: 817136
- Danışmanlar: PROF. DR. MEHMET BİLGİNER GÜLMEZOĞLU, DR. ÖĞR. ÜYESİ UĞUR YAYAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Engineering Sciences, Electrical and Electronics Engineering
- Anahtar Kelimeler: Endüstriyel robotlar, Görsel algılama, Hata toleransı, Sayısal görüntü işleme, Sayısal işaret üretme, Yapay zeka, Industrial robots, Visual perception, Fault tolerance, Digital image processing, Digital signal generation, Artificial intelligence
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon - Sinyal İşleme Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kamera tabanlı algılama sistemleri günümüzde birçok kritik alanlarda ve görevlerde kullanılan sistemler haline gelmiştir. Kamera üzerinde oluşan hata ve anomaliler ise insanlar, ürünler ve çevre için büyük sorunlar veya zararlara sebebiyet verebilmektedir. Kamera tabanlı sistemlerin güvenlik ve emniyeti için hataların ve anomalilerin tespiti önem taşımaktadır.“Kamera Tabanlı Algılama Sistemleri için Yapay Zeka Tabanlı Anomali Tespiti”isimli bu tez çalışması kapsamında, kamera tabanlı sistemlerde ortaya çıkan kritik hata ve anomalilere neden olan gürültülerin yapay zeka yöntemleriyle sınıflandırılması hedeflenmiştir. Bu bağlamda, VALU3S projesi kapsamında ele alınan Otomotiv şase kalite kontrolü için otomatik robot kontrol hücresi, hata ve anomalilerin tespiti için bir kullanım senaryosu olarak seçilmiştir. Bu tez çalışmasında, üretimde olan bir otobüs şasesinin dijital ikizini simülasyon ortamında kullanarak, robotik kamera algılama sisteminden alınan görüntüler üzerinde donanım veya yazılımdan kaynaklı gürültüler ile hata ve anomalileri simüle etme çalışmaları yapılmıştır. Bu süreçte, otobüs şase kontrol sistemi aracılığıyla elde edilen görüntülere gerçek hayatta sıkça karşılaşılan gürültüler eklenerek, farklı hataların ve anomalilerin bulunduğu bir veri seti oluşturulmuştur. İlk aşamada, bu veri seti üzerinde dört farklı gürültü sınıfına ait çalışmalar yapılmıştır. İkinci aşamada ise, veri setine iki yeni görüntü gürültü tipi eklenmiş ve altı farklı sınıf için Ortak Vektör Yaklaşımı (OVY), Evrişimsel Sinir Ağlar (ESA) ve OVY tabanlı öznitelik çıkarımı ile ESA modelinin entegrasyonu ile oluşturulan yenilikçi OVY entegreli ESA yöntemi ile testler gerçekleştirilmiştir. Elde edilen sonuçlar bu çalışmada sunulmuştur. Yapılan çalışma ile OVY entegreli ESA yönteminin, OVY'nin tek başına kullanıldığı ve mevcutta kendini kanıtlamış Resnet, EfficientNet gibi ESA yöntemlerinden gürültü tanıma, eğitim ve test süreleri açısından daha iyi performans sağladığı görülmüştür. Önerilen OVY entegreli ESA yönteminin gürültü tespit başarısı, dört ve altı sınıflı problemler için karşılaştırmalı tablolar sunulmuştur.
Özet (Çeviri)
Camera-based detection systems have become systems used in many critical areas and tasks today. Errors and anomalies that occur on the camera can cause major problems or damage for humans, products, and the environment. For the security and safety of camerabased systems, it is important to detect errors and anomalies. Within the scope of the thesis work titled“ Artificial Intelligence based Anomaly Detection for Camera-based Perception Systems”, the aim is to classify the noise types hat cause critical errors and anomalies in camera-based systems using artificial intelligence methods. In this context, the Automated robot control cell for quality control of automotive body-in-white, which was considered within the VALU3S project, was selected as a usage case for error and anomaly detection. This thesis work focuses on simulating errors and anomalies with noise from hardware or software on the images obtained from the robotic camera detection system by using the digital twin of a bus chassis in a simulation environment. During this process, a data set including different errors and anomalies was constructed by adding noise that is frequently encountered in real life to the images obtained through the bus chassis control system. In the first phase, classifications were made on this data set by using the Common Vector Approach (CVA), Convolutional Neural Networks (CNN), and CVA_based CNN models for four different noise classes. In the second phase, two new types of image noises were added to the data set and tests were conducted with the same classifiers for six different classes. The results obtained are presented in this study. The studies have shown that the CVA integrated CNN method provides better performance than when CVA and currently proven CNN methods such as Resnet, EfficientNet are used separately in terms of noise recognition, training and test times. The comparative tables with tests conducted for four and six different classes have been provided for noise detection success
Benzer Tezler
- Acenaphthene uygulaması ile tütün dihapladlerinin elde edilmesi üzerinde bir araştırma
Başlık çevirisi yok
SERVET KEFİ
- Görüntü onarımında ters filtreleme ve wiener filtreleme yöntemleri
Başlık çevirisi yok
MAHRUK MAKSUDİ
Yüksek Lisans
Türkçe
1988
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MÜMTAZ YILMAZ
- Kliniğimizde silier sulkusa fikse edilen arka kamara lens implantasyonunda elde ettiğimiz ilk sonuçlar
Başlık çevirisi yok
MEHMET AYDIN
- Arka kamara lens implantasyonları ve kliniğimizde elde ettiğimiz sonuçlar
Başlık çevirisi yok
MEHMED KADİR ÖZBEY
Tıpta Uzmanlık
Türkçe
1988
Göz HastalıklarıAtatürk ÜniversitesiGöz Hastalıkları Ana Bilim Dalı
PROF. DR. ZEKİ ÇIKMAN