Gömülü sistem üzerinde makine öğrenmesi kullanarak yere nüfuz eden radar verisinden nesne tespiti
Object detection from ground penetrating radar data using multilayer artificial neural networks in embedded systems
- Tez No: 838577
- Danışmanlar: PROF. DR. HASAN ERDİNÇ KOÇER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 77
Özet
Günümüzde yere nüfuz eden radar (YNR) sistemleri yer altında bulunan nesnelerin tespiti için en popüler çözümdür. Elektromanyetik bir enerjinin yer altına gönderilmesi ve yer altında bulunan hedeflerden gelen yansımaların sürekli olarak alınması prensibine dayanan bu tespit işleminde farklı nesnelerden yansımalar ve enerjinin dağılması gibi yanıltıcı birçok etken bulunmaktadır. Bu etkileri ortadan kaldırmak veya en aza indirmek için çeşitli teknikler geliştirilmeye çalışılmaktadır. Bu çalışmada makine öğrenmesi yöntemlerinden Yapay Sinir Ağları (YSA) ve Derin Öğrenme modelleri kullanılarak radar verisinden nesne tespit edilmesi hedeflenmiştir. Bu amaçla geliştirilen model üç farklı gömülü kartlı sistem üzerinde uygulanmış ve başarılı sonuçlar elde edilmiştir.
Özet (Çeviri)
Today, ground penetrating radar (GNR) systems are the most popular solution for detecting underground objects. In this detection process, which is based on the principle of sending electromagnetic energy underground and continuously receiving reflections from underground targets, there are many misleading factors such as reflections from different objects and dispersion of energy. Various techniques are being developed to eliminate or minimize these effects. In this study, it is aimed to detect objects from radar data by using Artificial Neural Networks (ANN) and Deep Learning models, which are machine learning methods. The model developed for this purpose was implemented on three different embedded card system and successful results were obtained.
Benzer Tezler
- Neurocomputational models for action selection and their implementation on robots
Hareket seçimine ilişkin beyin esinlenmeli hesaplamalı modeller ve robotlar üstünde gerçekleme
EMEÇ ERÇELİK
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. NESLİHAN SERAP ŞENGÖR
- Real-time anomaly detection in UAV systems using TinyML on ARM Cortex-M microcontrollers
ARM Cortex-M mikrodenetleyicilerde gömülü makine öğrenmesi kullanarak İHA sistemlerinde gerçek zamanlı anomali tespiti
MEHMET ALPEREN BAKICI
Yüksek Lisans
İngilizce
2024
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Ölçülen klmyasal gazlarln makina ögrenmesi ile sınıflandırması
Classification of measured chemical gases by machine learning
SAFA EL BEKRI
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ