Nesnelerin interneti için LoRa tabanlı görsel veri iletimi
LoRa-based visual data transmission for the internet of things
- Tez No: 995326
- Danışmanlar: DOÇ. DR. BİLAL BABAYİĞİT
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
LoRa (Long Range) teknolojisi; düşük güç tüketimi ve uzun menzil avantajları sayesinde, internet veya hücresel haberleşmenin mümkün olmadığı uzak bölgelerde Nesnelerin İnterneti (Internet of Things – IoT) uygulamaları için önemli bir haberleşme çözümüdür. Ancak LoRa'nın düşük veri hızı ve veri boyutu sınırlamaları, özellikle görüntü gibi yüksek bant genişliği gerektiren verilerin iletiminde önemli zorluklara yol açmaktadır. Bu tez çalışmasında, LoRa ile görsel veri iletimi kısıtlarının aşılmasına yönelik yenilikçi, çok aşamalı ve yapay zekâ destekli bir yaklaşım geliştirilmiştir. Çalışmanın ilk aşamasında, gönderici düğümde dlib tabanlı ResNet modeli ile yüz tanıma yapılarak, yalnızca yabancı yüzlerin algılanması durumunda ilgili görüntünün merkeze iletilmesi sağlanmıştır. Böylece gereksiz veri iletimi azaltılarak olay tabanlı bir iletim modeli benimsenmiştir. Görüntü verileri piksel yuvarlama ve Huffman algoritması ile sıkıştırılarak iletim sürelerinde %50'ye varan iyileşme elde edilmiştir. İkinci aşamada, veri boyutunu daha da küçültmek için alt örnekleme sonrası WebP ve JPEG sıkıştırma yöntemleri kullanılmıştır. WebP (q=10) kullanımı ile orijinal görüntü iletim süresinde %99,82 oranında bir iyileşme sağlanarak iletim süresi 4,51 saniyeye düşürülmüştür. Alıcı tarafta oluşan kalite kaybını gidermek amacıyla, yüz odaklı eğitilmiş bir Geliştirilmiş Süper Çözünürlüklü Üretken Çekişmeli Ağ (ESRGAN) modeli kullanılarak görüntüler yüksek çözünürlükte yeniden üretilmiştir. Sonuçlar; PSNR, SSIM, LPIPS, MOS ve yüz kimliği koruma metrikleri ile doğrulanmıştır. Tezin son bölümünde geliştirilen LoRa ağ yaşam simülasyonu ile yayılım faktörlerinin (SF7-SF12) enerji tüketimi üzerindeki etkisi analiz edilmiştir. Sonuçlar, 1000-5000 bayt arası görüntü ileten bir sistemin 10.000 mAh batarya ile SF7 değerinde ortalama 280 gün, SF12 değerinde ise 67 gün çalışabileceğini kanıtlamaktadır. Bu çalışma, LoRa altyapısında modern görüntü işleme ve GAN tekniklerinin birlikte kullanılabilirliğini ortaya koyarak literatüre özgün bir katkı sunmaktadır.
Özet (Çeviri)
LoRa (Long Range) technology is a vital communication solution for Internet of Things (IoT) applications in remote areas where internet or cellular connectivity is unavailable, thanks to its low power consumption and long-range capabilities. However, the low data rate and size limitations of LoRa present significant challenges for the transmission of high-bandwidth data, such as images. This thesis presents an innovative, multi-stage, and AI-powered approach to overcome the constraints of visual data transmission over LoRa networks. In the first stage of the study, face recognition was performed at the sender node using a dlib-based ResNet model, ensuring that the relevant image was transmitted to the center only when an unfamiliar face was detected. Thus, unnecessary data transmission was reduced, and an event-based transmission model was adopted. Image data was compressed using pixel rounding and the Huffman algorithm, achieving up to a 50% reduction in transmission time. In the second stage, WebP and JPEG compression methods were used after downsampling to further reduce the data size. Utilizing WebP (q=10) resulted in a 99.82% improvement in transmission efficiency, reducing the time for a single image to 4.51 seconds. To compensate for quality degradation at the receiver end, an ESRGAN model, specifically trained on facial datasets, was utilized to reconstruct high-resolution images. The results were evaluated using PSNR, SSIM, LPIPS, MOS and face identity preservation metrics. The final part of the study introduces a LoRa network lifetime simulation to analyze the impact of Spreading Factors (SF7-SF12) on energy consumption. Results indicate that a system transmitting images between 1000-5000 bytes with a 10,000 mAh battery can operate for an average of 280 days at SF7 and 67 days at SF12. This research provides an original contribution to the literature by demonstrating the feasibility of combining modern image processing and GAN techniques within the LoRa infrastructure.
Benzer Tezler
- Enerji verimli akıllı binalar için ZigBee ve LoRa tabanlı haberleşme
ZigBee and LoRa based communication for energy efficient smart buildings
AYANLE IBRAAHIM ALI
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİBEL ZORLU PARTAL
- Simulation based lora base station placement optimization for smart city scenarios
Akıllı şehir senaryoları için benzetim tabanlı lora baz istasyonu konumlandırma optimizasyonu
GÖRKEM KARADENİZ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CEM ERSOY
ÖĞR. GÖR. SİNAN IŞIK
- Smart spreading factor assignment for lorawans
Lorawan'lar için akıllı yayılma faktörü ataması
TUĞRUL YATAĞAN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ
- Design and performance analysis of a loRa-based smart agriculture irrigation system
LoRa tabanlı akıllı tarım sulama sisteminin tasarımı ve performans analizi
DOĞAN CAN ŞENOL
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKER ŞENER
- Employing digital twin to LoRa based forest fire management systems
LoRa'ya dayalı orman yangını yönetim sistemlerine dijital ikiz uygulanması
BUĞRA AYDIN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SEMA FATMA OKTUĞ