Transfer öğrenme modellerinin basamaklandırılmış derin özelliklerini ve topluluk sınıflandırıcıları kullanarak lastik çatlaklarının tespit edilmesi
Detecting tire cracks using cascading deep features of transfer learning models and ensemble classifiers
- Tez No: 856222
- Danışmanlar: DOÇ. DR. RAMAZAN TEKİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Batman Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 44
Özet
Bu çalışma, araç sürücülerinin lastiklerinde oluşan çatlakları tespit etmeye yönelik yapay zeka destekli bir yıpranmış lastik tespit sistem önermektedir. Genel olarak, sürücüler lastik diş derinliği ve hava basıncının önemini bilse de lastik oksidasyonundan kaynaklanan risklerin farkında değildir. Oysa lastik oksidasyonu ve çatlaklar, sürüş güvenliğini etkileyen önemli sorunlara yol açabilir. Bu çalışmada, ön-eğitimli transfer öğrenme yöntemleri kullanılarak elde edilen derin öznitelikler ve topluluk öğrenme yöntemleri kullanılarak lastiklerde çatlak tespitine yönelik CTLDF+EnC isimli yeni bir hibrit mimari önerilmektedir. Önerilen hibrit modeller, özniteliklerin elde edildiği dokuz transfer öğrenme yöntemi ve sınıflandırıcı olarak İstifleme, Yumuşak ve Katı oylama topluluk öğrenme yöntemlerini içermektedir. Çalışma literatürdeki endüstriye kullanıma yönelik X-Ray görüntü tabanlı yapılmış çoğu çalışmanın aksine herhangi bir sayısal görüntüleme cihazı ile elde edilebilecek görüntüler ile çalışmaktadır. Çalışma kapsamında en yeksek test doğruluk değeri 76,92% ile CTLDF+EnC (İstifleme) hibrit model ile elde edilmiştir. CTLDF+EnC (Yumuşak) ve CTLDF+EnC (Katı) mimarileri için ise doğruluk değerleri sırasıyla 74,15% ve 72,92% olarak elde edilmiştir. Çalışmanın sonuçları, önerilen hibrit modellerin lastik problemlerini tespit etme konusunda etkili olduğunu göstermiştir. Ayrıca düşük maliyetli ve uygulanabilir bir yapı sunulmaktadır.
Özet (Çeviri)
This study proposes an artificial intelligence-supported worn tire detection system to detect cracks in vehicle drivers' tires. In general, drivers are aware of the significance of tire tread depth and air pressure, but are not aware of the risks associated with tire oxidation. However, tire oxidation and cracks can lead to significant problems affecting driving safety. In this study, a new hybrid architecture called CTLDF+EnC is proposed for crack detection in tires using deep features obtained using pre-trained transfer learning methods and ensemble learning methods. The proposed hybrid models include nine transfer learning methods to extract features and Stacking, Soft and Hard voting ensemble learning methods as classifiers. Unlike most studies in the literature based on X-Ray images for industrial use, the study works with images that can be obtained with any digital imaging device. Within the scope of the study, the highest test accuracy value of 76.92% was obtained with the CTLDF+EnC (Stacking) hybrid model. For CTLDF+EnC (Soft) and CTLDF+EnC (Hard) architectures, accuracy values were obtained as 74.15% and 72.92%, respectively. The results of the study show that the proposed hybrid models are effective in detecting tire problems. In addition, a low-cost and feasible structure is presented.
Benzer Tezler
- Transfer learning based facial emotion recognition and action unit detection
Transfer öğrenme tabanlı yüz ifadesinden duygu tanıma ve eylem birimi tespiti
SÜLEYMAN ENGİN BAĞLAYİCİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Multimodal analysis of customer reviews by transfer learning
Transfer öğrenme ile müşteri yorumlarinin çoklu model analizi
MERVE GÖNENÇAYOĞLU
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Ekonomi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SENEM KUMOVA METİN
- Automatic detection of Alzheimer's disease with transfer learning and image processing techniques
Transfer öğrenme ve görüntü işleme teknikleri ile Alzheimer hastalığının otomatik tespiti
ATILAY YEŞİLADA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Katip Çelebi ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OSMAN GÖKALP
- Comparison of pretrained transfer learning models on face-mask detection
Yüz maskesı tespıtınde önceden eğıtılmış transfer öğrenme modellerının karşılaştırılması
SALMA ABDALBAGI ELSIDDIG ALRAID
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASİN ORTAKCI
- Comparative analysis of transfer learning models for skin cancer detection and prediction of potential skin diseases
Cilt kanseri tespiti ve potansiyel cilt hastalıklarının tahminine yönelik transfer öğrenme modellerinin karşılaştırmalı analizi
HASAN AL SHATER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiYapay Zeka ve Veri Bilimi Ana Bilim Dalı
Prof. Dr. ALİ OKATAN