Gömülü sistem tabanlı trafik levhalarının algılanması
Embedded system based traffic signs detection
- Tez No: 989607
- Danışmanlar: DOÇ. DR. KUBİLAY TAŞDELEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde artan araç sayısı ve yoğunlaşan trafik, sürücü dikkatini olumsuz etkileyerek trafik kazalarının önemli nedenlerinden biri hâline gelmektedir. Bu nedenle, trafik işaretlerinin otomatik olarak algılanması ve tanınması, gelişmiş sürücü destek sistemleri ve otonom araç teknolojileri açısından kritik bir öneme sahiptir. Derin öğrenme tabanlı yaklaşımlar sayesinde trafik işaretlerinin görüntüler üzerinden yüksek doğrulukla tespit edilmesi ve sınıflandırılması mümkün hale gelmiştir. Bu tez çalışmasında, trafik işaretlerinin otomatik olarak tanınmasını sağlayacak, yüksek doğrulukta ve gömülü sistemlere uygun bir evrişimli sinir ağı (ESA) modeli geliştirilmesi amaçlanmıştır. Bu kapsamda tasarlanan model, German Traffic Sign Recognition Benchmark (GTSRB) veri seti kullanılarak eğitilmiş ve test edilmiştir. Eğitim ve test süreçleri Google Colab Pro+ platformunda gerçekleştirilmiş, ardından modelin gömülü sistem ortamında çalışabilirliği Raspberry Pi 3 Model B V1.2 kartı üzerinde incelenmiştir. Google Colab Pro+ ortamında gerçekleştirilen deneyler sonucunda önerilen model %98.10 test doğruluğu elde etmiştir. Gömülü sistem uygulamasında ise modelin çıkarım süresi ölçülmüş ve Raspberry Pi 3 Model B V1.2 kartı üzerinde 7.377 ms çıkarım süresi ile çalıştığı belirlenmiştir. Elde edilen bu çıkarım süresi, gerçek zamanlı trafik işareti tanıma uygulamaları açısından değerlendirilebilir bir performans sunmaktadır. Sonuç olarak, geliştirilen ESA mimarisi, gömülü sistemlerde yüksek doğruluk ve düşük çıkarım süresi ile gerçek zamanlı trafik işareti algılama uygulamaları için uygun bir çözüm sunduğunu göstermektedir. Raspberry Pi geliştirme kartı üzerinde elde edilen sonuçlar, önerilen mimarinin zaman duyarlı uygulamalarda etkin şekilde kullanılabileceğini ortaya koymaktadır. bu yönüyle çalışma, gömülü sistemlerde trafik işareti algılama literatürüne yüksek doğruluk ve gerçek zamanlılık açısından önemli bir katkı sağlamaktadır.
Özet (Çeviri)
Nowadays, the increasing number of vehicles and growing traffic density negatively affect drivers' attention, making this situation one of the major causes of traffic accidents. Therefore, the automatic detection and recognition of traffic signs are of critical importance for advanced driver assistance systems and autonomous vehicle technologies. Thanks to deep learning–based approaches, it has become possible to detect and classify traffic signs from images with high accuracy. In this thesis, the aim is to develop a convolutional neural network (CNN) model that enables the automatic recognition of traffic signs with high accuracy and is suitable for embedded systems. Within this scope, the proposed model was trained and tested using the German Traffic Sign Recognition Benchmark (GTSRB) dataset. The training and testing processes were carried out on the Google Colab Pro+ platform, after which the feasibility of the model in an embedded system environment was evaluated on the Raspberry Pi 3 Model B V1.2 board. As a result of the experiments conducted in the Google Colab Pro+ environment, the proposed model achieved a test accuracy of 98.10%. In the embedded system implementation, the inference time of the model was measured, and it was determined that the model operates with an inference time of 7.377 ms on the Raspberry Pi 3 Model B V1.2 board. This inference time provides an acceptable performance for real-time traffic sign recognition applications. In conclusion, the developed CNN architecture demonstrates that it offers a suitable solution for real-time traffic sign detection applications on embedded systems by providing high accuracy and low inference time. The results obtained on the Raspberry Pi development board indicate that the proposed architecture can be effectively used in time-critical applications. In this respect, the study makes a significant contribution to the literature on traffic sign detection in embedded systems in terms of high accuracy and real-time performance.
Benzer Tezler
- Embedded system design for drive security
Sürüş güvenliği için gömülü sistem tasarımı
KUBİLAY ATAŞ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. REVNA ACAR VURAL
- Embedded DSP based license plate localization
DSP tabanlı gömülü plaka yer saptama
ÖZGÜR BULKAN
Yüksek Lisans
İngilizce
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHİTTİN GÖKMEN
- Design of a microprocessor-based embedded fault diagnostic system and an FPGA-based improvement proposal
Mikroişlemci tabanlı bir gömülü tanı sistemi tasarımı ve FPGA tabanlı bir optimizasyon önerisi
ONUR BEKAR
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Zıgbee - IEEE 802.15.4 temelli kablosuz sensör ağı kontrol sistemi ve sistem performansı için bir mikroşerit anten tasarımı, simülasyonu ve gerçekleştirilmesi
Zigbee - IEEE 802.15.4 based wireless sensor network control system and system application for a microstrip antenna design, simulation and implementation
EMRAH BAKIRCI
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEYFETTİN SİNAN GÜLTEKİN
- Biyomedikal sinyaller ile yapay zeka tabanlı zihinsel iş yükünün belirlenmesi
Detection of mental workload using biomedical signals and artificial intelligence
OĞUZHAN HASAR
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR