TinyML ve uç bilgi işleme ile kargo düşüş tespiti
Cargo drop detection with tinyML and edge computing
- Tez No: 855022
- Danışmanlar: DR. ÖĞR. ÜYESİ YALÇIN ALBAYRAK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 34
Özet
Bu çalışmada, nakliye sırasında kargoda meydana gelebilecek olası hasarları tespit etmek ve izlemek için bir sistem geliştirmeye odaklanılmıştır. Sistem, veri toplamak, analiz etmek ve iletmek için sensörlerin, mikrodenetleyicilerin, makine öğrenimi modellerinin ve iletişim modüllerinin kullanımını içermektedir. Tezde DS1307 RTC modülü, I2C iletişim protokolü, mikro SD kart modülü, SPI iletişim protokolü, ESP8266 WiFi modülü ve UART iletişim protokolü gibi çeşitli elektronik modüllerin ve iletişim protokollerinin kullanımı özetlenmektedir. Ayrıca, STM32F4 Discovery geliştirme kartı, STM32CubeIDE, STM32CubeMX, X-CUBE-AI paketi gibi geliştirme araçları ile ilgili bilgi verilmiştir. Çalışmada, kargonun hareketi sırasında veri toplamak ve düşüş durumlarını tespit etmek için ivmeölçer kullanılan bir cihaz geliştirilmiştir. Toplanan verilerde sapmaları engellemek için Kalman filtresi kullanılmış ve yapay sinir ağları ile model eğitilmiştir. TinyML ile eğitilen model gömülü sistem üzerine yüklenmiştir. Ölçülen değerler yerel olarak cihazın üzerinde eğitilen model sayesinde sınıflandırılarak düşüş durumu tespit edilmektedir. Eğitilmiş model ile %97 başarı ile düşme doğru tahmin edilmiştir. Cihaz üzerinde bu tespitin yapılması ile uç bilgi işleme sağlanmış ve bulut yükü azaltılarak gerçek zamanlı algılama sağlanmıştır.
Özet (Çeviri)
This study focuses on developing a system to detect and monitor potential damage to cargo during transportation. The system involves the use of sensors, microcontrollers, machine learning models and communication modules to collect, analyse and transmit data. The thesis summarizes the use of various electronic modules and communication protocols such as DS1307 RTC module, I2C communication protocol, micro SD card module, SPI communication protocol, ESP8266 WiFi module and UART communication protocol. In addition, information about development tools such as STM32F4 Discovery development board, STM32CubeIDE, STM32CubeMX, X-CUBE-AI package is given. In the study, a device using accelerometers was developed to collect data during the movement of the cargo and to detect fall situations. A Kalman filter was used to prevent deviations in the collected data and the model was trained with artificial neural networks. The model trained with TinyML was loaded onto the embedded system. The measured values are classified locally thanks to the model trained on the device and the fall is detected. The trained model correctly predicted the fall with 97% success. By making this determination on the device, edge information processing is provided and cloud load is reduced and real-time detection is provided.
Benzer Tezler
- Derin öğrenme ve tinyml ile gerçek zamanlı düşme tespiti
Real-time fall detection with deep learning and tinyml
ABDULLAH SÖKÜLMEZ
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiSelçuk ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OKAN UYAR
- Machine state detection by CNN on a low power microcontroller
Düşük güçlü mikro denetliyicide evrişimsel sinir ağları kullanarak makine durum tespiti
DORUK ERDEMGİL
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA GÜNDÜZALP
- Tinyml tabanlı görsel işitsel anahtar kelime tespiti
Tinyml based audio visual keyword detection
MEHMET TOSUN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAMİT ERDEM
- Çok bölgeli uçuş süresi sensörleri kullanılan otonom cihazlar için tinyml platformu ile nesne algılama
Tiny machine learning model for object detection with multi zone time of flight sensors
SERGEN ERKAN ARSLAN
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. BÜLENT BOLAT
- 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