Bebek ağlama seslerinin yapay zeka tabanlı yöntemlerle sınıflandırılması
Classification of baby crying sounds with artificial intelligence-based methods
- Tez No: 956329
- Danışmanlar: DOÇ. DR. TAYYİP ÖZCAN, DOÇ. DR. ÖMÜR ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bebeklerin duygusal ve fiziksel ihtiyaçlarını ifade etmenin en temel yollarından biri ağlamaktır. Ancak bu ağlamaların altında yatan nedeni anlamak, özellikle yeni ebeveynler için oldukça zorlayıcı olabilir. Açlık, rahatsızlık, uykusuzluk gibi farklı ihtiyaçlara bağlı olarak değişen ağlama seslerinin doğru şekilde analiz edilmesi, zamanında ve doğru müdahale açısından büyük önem taşımaktadır. Geciken tepkiler, hem bebeğin sağlıklı gelişimini hem de ebeveynlerin psikolojik durumunu olumsuz etkileyebilmektedir. Bu tez çalışmasında, bebek ağlama seslerinin sınıflandırılması amacıyla, kamuya açık Baby Cry ve Donate a Cry veri setleri kullanılarak yapay zeka tabanlı bir sistem geliştirilmiştir. Geliştirilen bu sistemin, hem ebeveynlere hem de sağlık alanında çalışan uzmanlara karar destek mekanizması sunması hedeflenmektedir. Çalışmada, ses sinyallerinden anlamlı öznitelikler elde etmek için MFCC, spektral düzlük gibi akustik özellikler çıkarılmıştır. Veri artırma (data augmentation) teknikleri ile sınıf dengesizlikleri azaltılarak modelin genelleme başarımı artırılmıştır. Öznitelik çıkarımı sonrasında çeşitli klasik ve derin öğrenme modelleri uygulanmıştır. KNN, RF, CNN gibi mimariler test edilmiş; nihai olarak ise hiperparametreleri Grid Arama algoritmasıyla optimize edilmiş Katmanlı Yapay Sinir Ağı (D-YSA) modeli önerilmiştir. Ayrıca D-YSA üzerinde farklı optimizasyon algoritmalarının (örneğin Adam, RMSprop) etkileri de araştırılmıştır. Sonuçlar, ses tabanlı sınıflandırma sistemlerinin, doğru öznitelik çıkarımı ve uygun model optimizasyonu ile birlikte uygulandığında yüksek doğrulukla çalışabileceğini göstermektedir. Geliştirilen sistem, bebek ihtiyaçlarını otomatik olarak tanımlayabilecek akıllı sağlık sistemlerine entegre edilebilir niteliktedir.
Özet (Çeviri)
Crying is one of the most fundamental ways babies express their emotional and physical needs. However, understanding the underlying cause of these cries can be quite challenging, especially for new parents. Accurately analyzing crying sounds, which vary depending on different needs such as hunger, discomfort, and sleeplessness, is crucial for timely and appropriate intervention. Delayed responses can negatively impact both the baby's healthy development and the parents' psychological well-being. In this thesis, an artificial intelligence-based system was developed using the publicly available Baby Cry and Donate a Cry datasets to classify baby crying sounds. This system aims to provide decision-support mechanisms for both parents and healthcare professionals. In this study, acoustic features such as MFCC and spectral flatness were extracted to extract meaningful features from sound signals. Data augmentation techniques were used to reduce class imbalances and improve the model's generalization performance. After feature extraction, various classical and deep learning models were applied. Architectures such as KNN, RF, and CNN were tested; Finally, a Dense Artificial Neural Network (D-ANN) model, whose hyperparameters were optimized using the Grid Search algorithm, was proposed. The effects of different optimization algorithms (e.g., Adam, RMSprop) on the D-ANN were also investigated. The results demonstrate that audio-based classification systems can perform with high accuracy when implemented with accurate feature extraction and appropriate model optimization. The developed system can be integrated into smart healthcare systems that can automatically identify infant needs.
Benzer Tezler
- Makine öğrenmesi yöntemleri ile ses tanıma uygulamaları
Sound recognition applications with machine learning methods
BENGİSU ŞEYDA KOP
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LEVENT BAYINDIR
- 0-24 ay arası bebeklerde dil edinim süreci ve dil gelişimini destekleyen etkinlik örnekleri
Language acquisition process in babies between 0-24 months and examples of activities supporting language development
MELEK ÖZEN
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimTokat Gaziosmanpaşa ÜniversitesiTürkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı
DOÇ. DR. SAMİ BASKIN
- Anne sütü mikotoksin düzeyinin belirlenmesi ve bebek uyku ile ağlama özellikleri üzerine etkisi
Determination of breast milk mycotoxin levels and effects on baby sleep and crying characteristics
ESRA YASEMİN MEMİŞ
Tıpta Uzmanlık
Türkçe
2018
Çocuk Sağlığı ve HastalıklarıHacettepe ÜniversitesiAile Hekimliği Ana Bilim Dalı
PROF. SIDDİKA SONGÜL YALÇIN
- Primipar annelere verilen bebek sakinleştirme eğitiminin annelik rolü algısı maternal bağlanma ve emzirme öz yeterliğine etkisi
The effect of infant soothing training given to primiparous mothers on perception of maternal role maternal attachment, and breastfeeding self-efficacy
GAMZEGÜL ALTAY
Doktora
Türkçe
2024
Çocuk Sağlığı ve HastalıklarıAtatürk ÜniversitesiÇocuk Sağlığı ve Hastalıkları Hemşireliği Ana Bilim Dalı
DOÇ. DR. ARZU SARIALİOĞLU
- İki farklı sallama yönteminin bebeklerde gaz sancısı ve ağlama süresine etkisi
The effects of the two different methods on colic and crying duration
GAMZE YILMAZ
Doktora
Türkçe
2013
HemşirelikAtatürk ÜniversitesiÇocuk Sağlığı ve Hastalıkları Hemşireliği Ana Bilim Dalı
DOÇ. DR. DUYGU ARIKAN