Ultrasonik algılayıcı ile makine öğrenmesi tabanlı nesne sınıflandırma ve konumlandırma
Machine learning based object classification and localization with ultrasonic sensor
- Tez No: 945344
- Danışmanlar: DR. ÖĞR. ÜYESİ GÖKHAN DINDIŞ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Evrişimli sinir ağları, Görsel nesne tanıma, Çoklu sinyal sınıflandırma, Convolutional neural networks, Visual object recognition, Multiple signal classificaton
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ultrasonik algılama, optik görünürlüğün olmadığı ortamlarda otonom ve robotik sistemler için nesne tespiti ve tanımada kullanılan önemli bir tekniktir. Tez çalışmasında ultrasonik sinyal işleme, nesne tespiti ve tanıma çalışmaları incelenmiştir. Geometik şekillerin tanınmasına odaklanılarak silindir ve üçgen prizmalardan elde edilen ultrasonik sinyal verilerini içeren tek ve çok nesneli ortamlar için bütünleşik bir veri toplama düzeneği oluşturulmuştur. Öncelikle, izole ortamlardaki tek nesneli durumlar için sinyal ön işleme, öznitelik çıkarma ve sınıflandırma süreçlerini içeren bir sistem önerilmektedir. Tek nesneli ortamlarda istatistiksel öznitelik çıkarma yöntemi ve sınıflandırma aşamasında rastgele orman algoritması ile \%97.8, yapay sinir ağları ile \%98.10 nesne tanıma başarısı elde edilmiştir. Tezin takip eden çalışmalarında birden fazla hedef nesneyi tespit etme konularındaki zorluklar araştırılmış ve farklı nesnelerden gelen yansımaların birbirine karışmasının nesne tanımada ciddi bir problem yarattığı görülmüştür. Literatürde bu konuda yeterli çalışmaya rastlanılamaması çoklu nesne tanımada ultrasonik algılamayı önemli bir konu haline getirmektedir. Tek bir ultrasonik sensörden elde edilen yansıma sinyali verileri, mesafe ve yansıma kuvvetinin ölçümleri için yeterli olurken çoklu nesne tanıma konusunda yetersiz kalmaktadır. Ancak doğru tekniklerle ve aynı sensör tarafından tarama yapılarak elde edilen bir sinyal verisi seti, çok nesneli durumlar hakkında önemli bilgiler içermektedir. Çoklu nesne tanıma problemleri için düşük maliyetli, tek bir ultrasonik sensör ile tarama yapılarak elde edilen veri setine dayalı bir görüntüleme tekniği önerilmektedir. Bir üç boyutlu yazıcı donanımı enjektör kafası değiştirilerek ultrasonik görüntü tarayıcısına dönüştürülmüştür. Böylece donanım, istenen veri setleri için bir veri toplama sistemi olarak otomatize edilmiştir. Elde edilen veri seti ile önerilen derin öğrenme modeli sonucu, evrişimsel sinir ağları (CNN) ile nesne özellikleri çıkarılmakta ve regresyon katmanlarını kullanarak koordinat tahmini gerçekleştirilmektedir. Önerilen çözüm modeli ile ultrasonik sensörlerden elde edilen sinyal verilerinin görüntüye dönüştürülmesi sağlanmaktadır. Çoklu nesne ortamlarında CNN ile birden fazla nesnenin sınıflandırılmasında \%90 doğruluk ve koordinat tahmininde \%86.8 başarı elde edilmiştir.
Özet (Çeviri)
Ultrasonic sensing is a crucial technique used in object detection and recognition for autonomous and robotic systems in environments where optical sensing is not feasible. In this thesis, ultrasonic signal processing, object detection and recognition methods were examined. Focusing on geometric shape identification, an integrated data acquisition mechanism was created for both single and multi-object environments incorporating ultrasonic signal data derived from cylindrical and triangular prisms. Initially, a system comprising signal preprocessing, feature extraction and classification processes is proposed for single-object conditions in isolated environments. In single-object environments, statistical feature extraction method and in the classification phase, object recognition accuracies of \%97.8 and \%98.10 were attained using random forests and artificial neural networks, respectively. In the subsequent stages of the thesis, challenges in detecting multiple target objects were examined and revealing that the interference of reflections from different objects creates a serious problem in object recognition. The lack of sufficient studies on this subject in the literature makes ultrasonic sensing a significant subject in multiple object recognition. Although reflection signal data acquired from a single ultrasonic sensor is adequate for measuring distance and reflection strength, it is insufficient for multiple object recognition. Nevertheless, a signal data set obtained by scanning with the same sensor using appropriate techniques contains crucial information regarding multi-object scenarios. A low cost imaging technique based on the data set acquired by scanning with a single ultrasonic sensor is proposed for multiple object recognition problems. A three-dimensional printer hardware was converted into an ultrasonic image scanner by replacing the injector head. Thus, the hardware was automated as a data acquisition system for desired datasets. With the acquired data set, object features are extracted using convolutional neural networks (CNN) as a result of the proposed deep learning model and coordinate estimation is performed using regression layers. The proposed solution model facilitates the conversion of signal data obtained from ultrasonic sensors into images. In multi-object environments, \%90 accuracy was achieved in the classification of multiple objects with CNN and \%86.8 success was achieved in coordinate estimation.
Benzer Tezler
- Antenatal fetüs verilerinin örüntü tanıma yöntemleriyle tanımlanması
Intelligent data analysis of antenatal fetal data by using pattern recognition methods
NİLGÜN GÜLER
Doktora
Türkçe
2002
MatematikYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHİR ŞİŞMAN
- Evaluation of test results to determine the strength of concrete
Başlık çevirisi yok
N.ÖMER ÖZER
Yüksek Lisans
İngilizce
1987
İnşaat MühendisliğiOrta Doğu Teknik ÜniversitesiPROF. DR. TURHAN Y. ERDOĞAN
- Karbonat minerallerinin fosfat adsorpsiyonuna yüzey kaplamalarının etkisi
Başlık çevirisi yok
OSMAN SAK