Gerçek zamanlı sayaç okuma için CNN tabanlı derin öğrenme yöntemlerinin geliştirilmesi
A new approach that uses CNN based models in combination with image processing to read water meters in real-time
- Tez No: 898207
- Danışmanlar: DR. ÖĞR. ÜYESİ MURAT TAŞYÜREK
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Numaratör Bölgesi Tespit, Sayaç Rakamı Algılama, Gerçek Zamanlı Sayaç Okuma, CNN ile Birleştirilmiş Görüntü İşleme, Meter Region Detection, Meter Digit Detection, Real-Time Meter Reading, Image Processing Combined with CNN
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kayseri Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
Elektrik, su ve doğal gaz kullanımını takip etme ve faturalandırma için sayaçlar üzerinde bulunan rakamların okunması sayaç okuma olarak ifade edilmektedir. Gerçek zamanlı olarak sayaç okuma işleminin manuel yapılması zaman almaktadır. Ayrıca göz yorgunluğundan kaynaklı hatalar oluşmaktadır. Diğer taraftan sayacın sahibi kurumların ekonomik nedenlerden akıllı sayaç veya uzaktan okumalı sayaç pahalı bir çözüm olabilmektedir. Gerçek zamanlı olarak yüksek hız ve doğrulukla sayaç okuma işlemi yapabilen ve düşük maliyetli yaklaşımların geliştirilmesine ihtiyaç duyulmaktadır. Bu çalışma kapsamında, gerçek zamanlı telefon veya tablet kamerası ile elde edilen doğal görüntülerden sayaç okuma yapmak için iki farklı convolutional neural network (CNN) modelini görüntü işleme tekniğiyle hibrit olarak kullanan yeni bir yaklaşım önerilmiştir. Önerilen yaklaşım Detection Rotation For Detection (DRFD) olarak adlandırılmaktadır. Önerilen yaklaşımın performansı Kayseri iline ait 6670 adet doğal su sayacı görüntüsü kullanılarak test edilmiştir. Önerilen DRFD yaklaşımında CNN modeli olarak kullanılan MobileNet, Faster R-CNN ve YOLO V5 modellerinin performansları irdelenmiştir. DRFD YOLO V5 yaklaşımı bölge ve rakam tespitinde diğer yaklaşımlardan daha üstün performans göstermiştir. Sonuç olarak, bu tez, sadece derin öğrenme modelini kullanmak yerine, görüntü işleme teknikleriyle desteklenmiş bir yöntemle sayaçların üzerindeki rakamların doğru bir şekilde tanımlanmasını sağlayarak su sayaçlarının gerçek zamanlı izlenmesi için etkili bir teknik sunarak, enerji yönetimi ve su tüketimi analizinde daha güvenilir sonuçlara ulaşmada kullanışlı bir araç sağlamaktadır.
Özet (Çeviri)
Reading the numbers on the meters to monitor and bill electricity, water and natural gas usage is called meter reading. Manual meter reading in real time takes a long time and causes errors due to eye fatigue. On the other hand, smart meters or remote reading meters can be an expensive solution for the institutions that own the meters due to economic reasons. There is a need to develop low-cost approaches that can perform real-time meter reading with high speed and accuracy. In this study, a new approach that uses two different convolutional neural network (CNN) models hybridized with image processing techniques to perform meter reading from natural images obtained via real-time phone or tablet cameras is proposed. The proposed approach is called Detection Rotation For Detection (DRFD). The performance of the proposed approach was tested using 6,670 natural water meter images from the Kayseri province. The performances of MobileNet, Faster R-CNN, and YOLO V5 models, used as CNN models in the proposed DRFD approach, were analyzed. The DRFD YOLO V5 approach outperformed the other approaches in region and digit detection. As a result, this thesis provides an effective technique for the real-time monitoring of water meters by accurately identifying the numbers on the meters with a method supported by image processing techniques rather than solely using a deep learning model. It offers a useful tool for achieving more reliable results in energy management and water consumption analysis.
Benzer Tezler
- Uzaktan sayaç okuma
Automated meter reading
AHMET BÜYÜKTOPCU
Yüksek Lisans
Türkçe
2002
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER USTA
- Elektrik dağıtım şebekeleri için CBS tabanlı kesinti analiz sistemi
GIS based outage analysis system for electric distribution system
YASEMİN BÜŞRA KARAKAŞ
Yüksek Lisans
Türkçe
2021
Coğrafyaİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. ZAİDE DURAN
- Endüstriyel çatı uygulamalı bir güneş enerji santralinin teorik ve gerçek zamanlı enerji üretim değerlerinin incelenmesi ve ekonomik analizi
Investigation and economic analysis of real time and theoretical production values in an industrial roof applied solar power plant
ÖMER ÇELEBİ
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiHarran ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET TAHİR GÜLLÜOĞLU
- Makinalar arası iletişim ile kimlik tespiti ve uyarı alarmlarının üretilmesi
Identification and producting warning alarm with machine to machine communication
OSMAN DEMİRCİ
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOndokuz Mayıs ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN KAYHAN