Fabrika içi ortamlarda görsel nesne sezimi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Eskişehir Osmangazi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, ELEKTRİK-ELEKTRONİK MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: Türkçe
Öğrenci: NAZLICAN GENGEÇ
Eş Danışman: Hakan Çevikalp
Danışman: Hasan Serhan Yavuz
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Endüstri 4.0'ın endüstriye getirdiği teknolojik gelişmeler ile birlikte otonom taşıyıcı araçlar akıllı fabrikaların önemli bileşenlerinden biri haline gelmiştir. Otonom taşıyıcı araçların çevresini algılayabilmesini sağlayan algılama sistemleri, bu araçların başarılı bir şekilde çalışabilmelerinde kritik rol oynamaktadır. Bilgisayarlı görme alanındaki gelişmeler araçların çevreyi ve çevredeki nesneleri görsel olarak algılayabilmesinde büyük fayda sağlamıştır. Özellikle dış ortamlarda akıllı trafik ağları için çok sayıda görsel kamera tabanlı uygulama mevcuttur. Ancak dış ortamlara kıyasla iç mekan endüstriyel ortamlarda otonom taşıma araçları için uygulama ve veri tabanı eksikliği vardır. Akıllı fabrikalarda bazı temel güvenlik ve yön işaretleri bulunmaktadır. Bu işaretler güvenlik konularında önemlidir ve otonom araçlar tarafından doğru bir şekilde tespit edilmesi gerekmektedir. Bu çalışmada, bir akıllı fabrika ortamının benzetildiği bir laboratuvarda fabrika içi güvenlik ve yönlendirme işaretlerinden ve fabrikalarda bulunabilecek bazı önemli nesnelerden oluşan görsel bir veri kümesi oluşturulmuştur. Gerçek zamanlı çalışan güncel derin öğrenme modelleri içerisinden Faster R-CNN, SSD, RetinaNet, YOLOv3 ve YOLOv4 derin öğrenme modelleri seçilmiştir. Seçilen bu modeller hazırlanan veri kümesi üzerinde eğitilmiştir. Daha sonra bu yöntemlerin performansları doğruluk cinsinden karşılaştırılarak hangi yöntemlerin daha başarılı olduğu gözlenmiştir. Test edilen bütün yöntemler arasında en yüksek doğruluk değeri YOLOv4 modeli ile edilmiştir.