A qualıty-centrıc decısıon framework for edge aı systems desıgn and a case study on UAV platforms
Uç yapay zekâ sistemleri tasarımı için kalite odaklı bir karar verme çerçevesi ve iha platformları üzerine bir vaka çalışması
- Tez No: 953500
- Danışmanlar: PROF. DR. AYÇA KOLUKISA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 205
Özet
Ağın uç noktalarında yer alan cihazların yerel olarak akıllı görevleri gerçekleştirmesine olanak tanıyan Uç Yapay Zekâ (İng. Edge Artificial Intelligence) teknolojisi, birçok alanda hızla yaygınlaşmaktadır. Bu teknoloji giderek benimsenmesine rağmen, sistem kalitesini yönetmek ve optimal çözümler tasarlamak; mevcut donanım ve yazılım seçeneklerinin çeşitliliği, uygulama gereksinimlerinin farklılığı ve uç ortamlara özgü sınırlamalar nedeniyle, çok boyutlu zorluklar içermektedir. Bu zorluklar arasında sınırlı hesaplama gücü, sıkı enerji kısıtları ve gerçek zamanlı işlemleme gereksinimi gibi kısıtlar ön plana çıkmaktadır. Günümüzde yaygın olarak kullanılan geçici ve sistematik olmayan yaklaşımlar, çoğu zaman optimal olmayan sistemlere ve bu sistemlerde verimlilik sorunlarına yol açmaktadır. Literatürde uç yapay zekâ sistemlerinin tasarımını, donanım ve yapay zekâ model seçimi doğrultusunda kaliteyi koruyarak ve kalite ödünleşmelerini yöneterek yönlendirecek, bütüncül ve sistematik çerçevelerin eksikliği dikkat çekmektedir. Bu doğrultuda, bu çalışmada hem donanım hem de yazılım bileşenlerinin sistematik biçimde değerlendirilebilmesini sağlamak amacıyla, ISO/IEC 25010 kalite standardı temelinde geliştirilen ve Çok Kriterli Karar Analizi tekniklerini entegre eden bir yöntem önerilmektedir. Önerilen yöntem için üç aşamalı bir deneysel çalışma ile öneri doğrulama yapılmıştır: Birinci aşamada, yöntemin farklı kullanım senaryolarına uygulanabilirliğini göstermek amacıyla, farklı uç ortam gereksinimlerine sahip dört ayrı senaryo çerçevesinde, İnsansız Hava Araçları (İHA) üzerinde değerlendirmeler gerçekleştirilmiştir. İkinci aşamada, birinci senaryo kapsamında yöntemin önerdiği donanım ve model konfigürasyonuna uygun olarak (STM32H7 serisi mikro-denetleyiciler ile Single-Shot Detection mimarisi ve MobileNet tabanlı nesne tanıma modeli) sıfırdan optimize edilmiş bir TensorFlow Lite modeli geliştirilmiştir. Bu model ile çeşitli nesne kategorileri için daha yüksek verimlilik ve esneklik sağlama amaçlanmıştır. Böylelikle yöntemin pratikte uygulanabilirliği de ortaya konmuştur. Üçüncü aşamada ise, tüm uygulanabilir donanım ve yapay zekâ modeli kombinasyonları değerlendirilmiş ve önerilen yöntem, ilk aşamada tanımlanan senaryolar üzerinden bu alternatiflerle karşılaştırmalı olarak analiz edilmiştir.
Özet (Çeviri)
Edge Artificial Intelligence (Edge AI), which enables devices at the network periphery to perform intelligent tasks locally, is rapidly expanding across various domains. Despite the increasing adoption of Edge AI systems, managing quality and designing optimal solutions present multifaceted challenges due to the wide range of available options, diverse application requirements, and the unique constraints of edge environments, such as limited computational power, strict energy constraints, and the need for real-time processing. Currently employed ad-hoc approaches often lead to non-optimal solutions and inefficiency problems. There is a lack of systematic frameworks that support the design of these systems through the selection of edge hardware and AI models while maintaining the quality and managing the quality trade-offs. Considering these issues, we propose a model based on the ISO/IEC 25010 quality standard and integrating Multi-Criteria Decision Analysis (MCDA) techniques to assess both the hardware and software aspects of Edge AI applications systematically. The validation of the proposed model was carried out through a three-stage experimental study: In the first stage of the experiment, to show the applicability of the model across different use cases, we tested it with four scenarios on Unmanned Aerial Vehicles (UAVs), each presenting distinct edge requirements. In the second stage of the experiment, guided by the model's recommendations for Scenario I, where the STM32H7 series microcontrollers were identified as the suitable hardware and the object detection model with Single Shot Multi-Box Detector (SSD) architecture and MobileNet backbone as the suitable AI model; we developed a TensorFlow Lite model from scratch to enhance the efficiency and versatility of the model for object detection tasks across various categories. This additional TensorFlow Lite model is intended to show the practical relevance of the model. In the third stage of the experiment, all the feasible hardware and AI model combinations are exposed and the model is evaluated against these alternatives via the proposed scenarios in the first stage.
Benzer Tezler
- Traffic and mobility aware delay modeling for software-defined networks (SDN)
Yazılım tanımlı ağlar için trafik ve hareket duyarlı gecikme modeli
MÜGE ÖZÇEVİK
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BERK CANBERK
- Toplumsal mekân olarak sokağın yeniden üretimi: İstanbul'un yenilenen sokakları üzerine bir değerlendirme
The re-production of the streets as social spaces: An evaluation of renewed streets in İstanbul
CANAN ACAR
Yüksek Lisans
Türkçe
2025
Peyzaj Mimarlığıİstanbul Teknik ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. EBRU ERBAŞ GÜRLER
- An evaluation of green urbanism: Singapore and Copenhagen cases
Yeşil şehircilik üzerine bir değerlendirme: Singapur ve Kopenhag örnekleri
SANIA SIDDIQUI
Yüksek Lisans
İngilizce
2023
Çevre MühendisliğiSüleyman Demirel ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. ŞİRİN GÜLCEN EREN
- Building energy efficiency: A data-driven machine learning approach for energy optimization
Bina enerji verimliliği: Enerji optimizasyonu için veriye dayalı makine öğrenmesi yaklaşımı
AHMAD REZA DARABI
Yüksek Lisans
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA BERKER YURTSEVEN
- Gsm sektörü için müşteri merkezli bilgi yönetimi değerlendirme modeli tasarımı ve bir uygulama
The design of customer centric knowledge mangement assessment model for gsm ındustry and an aplıcatıon
ATİK KULAKLI