Derin öğrenme ile görüntü işlemeye dayalı konik fiber sensör geliştirilmesi
Development of tapered fiber sensor based on image processing with deep learning
- Tez No: 931525
- Danışmanlar: PROF. DR. İSA NAVRUZ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Konik fiber sensörler, hassas algılama ve ölçüm gerektiren birçok uygulama alanında kullanılmaktadır. Konik fiber sensörlerde algılama, optik spektrum analizör aracılığıyla gerçekleştirilmektedir. Geleneksel yöntemlerin aksine bu tez çalışmasında, derin öğrenme teknikleri kullanılarak görüntü işlemeye dayalı konik fiber sensörler geliştirilmiş ve deneysel olarak algılama yapabileceği gösterilmiştir. Çok modlu fiberlerde kılavuzlanan yüzlerce mod, fiber çıkışında benek deseni adı verilen bir girişim deseni oluşturmaktadır. Fiber sonuna yerleştirilen bir CCD kamera ile gözlemlenen benek desenleri, ölçülecek fiziksel büyüklüğün değişimine bağlı olarak farklılaşmaktadır. Benek deseni görüntülerindeki değişim analiz edilerek algılama işlemi gerçekleştirilebilir. Bu tez çalışmasında üretilen konik fiber sensörler ile kırılma indisi, gerilme ve sıcaklık olmak üzere üç farklı fiziksel büyüklüğün, geniş bir ölçüm aralığında, yüksek çözünürlüklü ve hassas şekilde algılaması gerçekleştirilmiştir. Algılama işlemi için korelasyon analizi ve bir derin öğrenme yöntemi olan evrişimli sinir ağları yöntemi kullanılmıştır. Deneysel çalışmalarda basamak ve dereceli indisli sınıfta yer alan dört farklı çok modlu fiber kullanılmıştır. Farklı öz ve kılıf çaplarına sahip fiberlerin sensör duyarlılığına etkisi incelenmiş ve iki farklı dalga boyunda (635 nm ve 1550 nm) çalışılarak dalga boyunun sensör performansa etkileri araştırılmıştır. Ölçülebilen en düşük fiziksel büyüklük değişimi kırılma indisi ölçümlerinde 1.34x10-5, gerilme ölçümlerinde 12.5 µɛ ve sıcaklık ölçümlerinde 0.5 ºC olarak gösterilmiştir. Bu tez çalışmasında ayrıca konik fiber sensörlerde benek deseni görüntüleme kullanılarak derin öğrenme tabanlı algılama yapılabileceği gösterilmiş ve literatüre yeni bir yaklaşım kazandırılmıştır.
Özet (Çeviri)
Tapered fiber sensors are utilized in various applications requiring precise detection and measurement. In tapered fiber sensors, detection is performed using an optical spectrum analyzer. Unlike conventional methods, in this thesis, tapered fiber sensors based on image processing were developed using deep learning techniques, and their ability to perform detection was demonstrated experimentally. Hundreds of modes guided in multimode fibers generate an interference pattern called a speckle pattern at the fiber output. The speckle patterns, observed through a CCD camera positioned at the fiber end, vary with changes in the physical parameter being measured. By analyzing changes in the speckle pattern images, detection can be achieved. In this thesis, the developed tapered fiber sensors were used to detect three distinct physical quantities refractive index, strain, and temperature over a broad measurement range with high resolution and precision. Correlation analysis and a deep learning method, convolutional neural networks, were employed for the detection process. Experimental studies utilized four different multimode fibers from the step-index and graded-index classes. The effects of fibers with different core and cladding diameters on sensor sensitivity were examined, and the effects of wavelength on sensor performance were investigated by operating at two different wavelengths (635 nm and 1550 nm). The smallest measurable physical parameter changes were demonstrated as 1.34x10-5 in refractive index measurements, 12.5 µɛ in strain measurements, and 0.5 ºC in temperature measurements. In this thesis, it was also demonstrated that deep learning-based detection can be performed using speckle pattern imaging in conical fiber sensors, providing a new approach to literature.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Kâğıt bardak makinesinin otomasyonu ve gerçek zamanlı görüntü işlemeye dayalı hatalı ürün tespit yöntemi
Automation of the paper cup machine and detection method based on real-time image processing
ALAADDİN AYDIN
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELDA GÜNEY
- Robot hücrelerinde kameralı güvenlik sistemlerinin optimal tasarımı
Optimal design of camera based safety systems in robotic cells
MERDAN ÖZKAHRAMAN
Doktora
Türkçe
2022
Mekatronik MühendisliğiYıldız Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAYDAR LİVATYALI
- Örtü altı domates yetiştiriciliğinde, bazı ekonomik zararlıların yapay zeka ile tespiti
Detection of some economic pests in greenhouse tomato cultivation using artificial intelligence
YAVUZ SELİM ŞAHİN
Doktora
Türkçe
2023
ZiraatBursa Uludağ ÜniversitesiEntomoloji Ana Bilim Dalı
PROF. DR. NİMET SEMA GENÇER
DOÇ. DR. HASAN ŞAHİN
- Mobil sağlık uygulamalarında makine öğrenmesi temelli model geliştirme ve modelin cihaz-bulut dağıtımı
Machi̇ne learning-based model deployment in mobile health applications and device-cloud deployment
ÖZGE ÇİÇEK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEMA CANDEMİR