Endüstriyel uygulamalar için gömülü sistemlerde derin öğrenme temelli nesne tanıma
Deep learning based object recognition in embedded systems for industrial applications
- Tez No: 984345
- Danışmanlar: PROF. DR. ERSEN YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde yapay zekâ teknolojileri, endüstriyel otomasyon süreçlerinden kalite kontrol sistemlerine, üretim planlamasından kestirimci bakıma kadar pek çok alanda yaygın olarak kullanılmakta ve Endüstri 4.0 vizyonunun temel bileşenlerinden biri hâline gelmektedir. Özellikle görüntü işleme ve derin öğrenme tabanlı sistemler, üretim süreçlerinde insan müdahalesine gerek kalmaksızın yüksek doğrulukla kararlar alabilen esnek çözümler sunmaktadır. Ancak bu sistemlerin kaynak kısıtlı donanımlarda uygulanabilirliğini sağlamak, önemli bir mühendislik problemi olarak karşımıza çıkmaktadır.Bu yüksek lisans tezinde, endüstriyel mutfak uygulamaları için gömülü sistemlerde çalışan bir derin öğrenme temelli nesne tanıma sistemi geliştirilmiştir. Çalışmada, sınırlı kaynaklara sahip mikrodenetleyicilere gömülebilecek ve gerçek zamanlı görüntü sınıflandırmaya uygun modeller tasarlanmıştır. Görsel veriye dayalı bu sistem, yemek türünü sınıflandırmayı hedeflemektedir. Basit CNN ve MobilenetV2 tabanlı modeller eğitilmiş ve modellerin doğruluk, kesinlik, duyarlılık ve F1-skor gibi başarım metrikleri hesaplanmış; ardından STM32Cube.AI aracı kullanılarak gömülü sistem entegrasyonları gerçekleştirilmiştir. Bellek kullanımı ve işlem karmaşıklığı açısından yapılan analizler sonucunda her iki modelin de mikrodenetleyici üzerinde başarıyla çalışabildiği gösterilmiştir. Bu tez çalışması, düşük güç tüketimli ve taşınabilir yapay zekâ çözümleri geliştirmek isteyen araştırmacılar için hem pratik hem de uygulanabilir bir örnek teşkil etmektedir. Ayrıca, görüntü tabanlı sınıflandırmanın endüstriyel ortamlarda kullanımı açısından önemli bir referans sunmaktadır.
Özet (Çeviri)
Today, artificial intelligence technologies are widely used in many areas, from industrial automation processes to quality control systems, production planning to predictive maintenance, and have become one of the fundamental components of the Industry 4.0 vision. In particular, image processing and deep learning-based systems offer flexible solutions that can make decisions with high accuracy without the need for human intervention in production processes. However, ensuring the applicability of these systems on resource-constrained hardware presents a significant engineering challenge. In this master's thesis, a deep learning-based object recognition system running on embedded systems for industrial kitchen applications has been developed. In this study, models suitable for real-time image classification have been designed that can be embedded in microcontrollers with limited resources. This visual data-based system aims to classify food types. Simple CNN and MobilenetV2-based models were trained, and performance metrics such as accuracy, precision, sensitivity, and F1-score were calculated. Subsequently, embedded system integrations were performed using the STM32Cube.AI tool. Analyses conducted in terms of memory usage and processing complexity demonstrated that both models can run successfully on a microcontroller. This thesis serves as a practical and applicable example for researchers seeking to develop low-power, portable artificial intelligence solutions. It also provides an important reference for the use of image-based classification in industrial environments.
Benzer Tezler
- Model-based aı accelerator design on FPGA with in-depth evaluation of design parameters
FPGA'de model tabanli yapay zeka hizlandirici tasarimi ve tasarim parametrelerinin derinliğine değerlendirilmesi
GÖZDE ÖZDİL
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN
- Derin öğrenme ile tekstil tipi tanım
Fabric classification by using deep learning
GÖKHAN GÜRGEN
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Tarımsal uygulamalar için derin öğrenme temelli uç sistem modellerinin geliştirilmesi ve optimizasyonu
Development and optimization of deep learning based edge system models for agricultural applications
DORUK SÖNMEZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYDIN ÇETİN
- Fotovoltaik bağlantı kutusu üretim sürecindeki hataların derin öğrenme modelleri ile tespitine yönelik gerçek zamanlı sistem tasarımı
Real-time system design for detecting faults in photovoltaic junction box manufacturing process using deep learning models
HAKAN TATAR
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED FURKAN KÜÇÜK
- A unified deep learning framework for scalable learning and uncertainty quantification in interval Type-2 fuzzy logic systems
Aralık Tip-2 bulanık mantık sistemlerinde ölçeklenebilir öğrenme ve belirsizlik nicelendirmesi için derin öğrenme tabanlı birleştirilmiş bir çerçeve
ATA KÖKLÜ
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. TUFAN KUMBASAR