Çoklu kameralı kalite kontrol sistemleri için gerçek zamanlı paralel hesaplama kullanan makine görmesi yaklaşımı
A machine vision approach using real-time parallel computing for multi-camera quality control systems
- Tez No: 860948
- Danışmanlar: PROF. DR. MEHMET KARAKÖSE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Makine öğrenmesi, bilgisayarlı görü, yapay sinir ağları, kalite kontrolü
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Bilim Dalı
- Sayfa Sayısı: 77
Özet
Günümüzde, piyasaya sürülen yetenekli makine öğrenmesi modelleri ve bu modellerin üzerinde kolaylıkla çalışabileceği güçlü donanımlar sayesinde makine öğrenmesi teknolojisi birçok alanda olduğu gibi endüstriyel alanda da geniş bir kullanım alanına sahip olmuştur. Bu alanda makine öğrenmesi tekniklerinin önemli kullanım amaçlarından birisi de ürünler üzerinde hata olup olmadığını kontrol eden bilgisayarlı görü temelli kalite kontrolüdür. Önceleri insanlar tarafından yerine getirilen, görme ve karar verme yeteneklerine dayanan bu görevler şimdilerde akıllı sistemler aracılığıyla yerine getirilmeye çalışılmaktadır. Bu amaçla çalışmada, Makine öğrenmesi alanında yeni ve popüler bir konu olan endüstriyel kalite kontrolü işlemleri için bir model oluşturulmaya çalışılmıştır. Tez kapsamında geliştirilecek model için makine öğrenmesinin bir alt alanı olan yapay sinir ağlarından faydalanılmıştır. Bu amaçla, modelin nesne tanıma görevlerini yerine getirmesi amacıyla bir CNN algoritması olan YOLO tercih edilmiştir. Tanıma algoritması tarafından tanınan ve görüntüden ayıklanan nesneler daha sonra ORB algoritması kullanılarak öznitelik çıkarımı işlemine tabi tutulmuş ve kaba kuvvet algoritması ile k-en yakın komşu algoritmasının kombinasyonu kullanılarak hedef nesne ve kaynak nesne üzerinde öznitelik eşleştirmesi yapılarak karşılaştırılmaya çalışılmıştır. Çalışmada, canlı ortamdan eş zamanlı görüntüler elde edilebilmesi için 3 adet kamera kullanılmış ve bu kameralar yardımıyla hedef nesnenin farklı açılardan görüntüleri alınarak nesne tanıma algoritmasına iletilmiştir. YOLO algoritmasının, eş zamanlı nesne tanıma görevini yerine getirmesini sağlayabilmek için CUDA kütüphanesi yardımıyla, paralel işlemeye olanak veren GPU hızlandırıcı olarak kullanılmıştır. Elde edilen sonuçlar ve bulgular verilmiştir.
Özet (Çeviri)
Today, thanks to the capable machine learning models introduced into the market and the powerful hardwares that these models can easily work on, machine learning technology has a wide area of use in the industrial field as well as in many areas. One of the important uses of machine learning techniques in this field is computer vision-based quality control, which checks for defects on products. These tasks, which were previously performed by humans and based on their ability to see and make decisions, are now tried to be fulfilled through intelligent systems. For this purpose, in this study, it has been tried to create a model for industrial quality control processes, which is a new and popular subject in the field of machine learning. Artificial neural networks, a sub-field of machine learning, were used for the model to be developed within the scope of the thesis. For this purpose, YOLO, a CNN algorithm, was preferred for the model in order to perform object recognition tasks. The objects recognized by the recognition algorithm and extracted from the image were then subjected to the feature extraction process using the ORB algorithm, and by using the combination of the brute force algorithm and the k-nearest neighbor algorithm, the target object and the source object were compared by making feature matching. In the study, 3 cameras were used in order to obtain simultaneous images from the live environment and with the help of these cameras, images of the target object were taken from different angles and transmitted to the object recognition algorithm. In order to enable the YOLO algorithm to perform the task of simultaneous object recognition, with the help of the CUDA library, the GPU that allows parallel processing was used as an accelerator. Obtained results and findings were given.
Benzer Tezler
- Autostereoscopic projection display using rotating screen
Döner perde kullanan 3 boyutlu gözlüksüz projeksiyon ekranı
OSMAN ELDEŞ
Yüksek Lisans
İngilizce
2016
Bilim ve TeknolojiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ÜREY
- Multiple target tracking using multiple cameras
Birden fazla kamera ile çoklu hedef takibi
MEHMET YILMAZ
Yüksek Lisans
İngilizce
2008
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. M. KEMAL LEBLEBİCİOĞLU
- 3B zernike momentleri kullanılarak insan hareketlerinin tanınması
Human action recognition using 3D zernike moments
OKAY ARIK
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEMİH BİNGÖL
- Efficient multiple robot path planning algorithm
Etkin çoklu robot yol planlama algoritması
ÇAĞDAŞ YETİŞENLER
Yüksek Lisans
İngilizce
2005
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ÖZKURT
- An energy-efficient and reactive remote surveillance framework using wireless multimedia sensor networks
Kablosuz çoklu ortam sensör ağları kullanan, enerji yönünden verimli ve tepkisel, uzaktan kontrol edilen gözetleme yapısı
HAKAN ÖZTARAK
Doktora
İngilizce
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADNAN YAZICI