Derin öğrenme ile kara taşıtı araçları lastiklerinde marka ve ebat tespiti
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, Fen Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: İngilizce
Öğrenci: VOLKAN ÖZDEMİR
Danışman: Oğuzhan Urhan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu tezde, bir görüntüden uygun araç lastiklerini seçmek için gerekli bilgileri tespit etmek için bir yapay zeka sistemi geliştirilmiştir. Lastikler, kara taşıtlarının yola temas eden ekipmanı olduğu için güvenlik ve performans için bir aracın en kritik parçalarıdır. Bu nedenle, kullanıcıların araç standartlarına uygun doğru lastikleri seçmeleri gerekir, aksi takdirde araca yanlış lastik seçimi performans kaybına, ekstra yakıt tüketimine, aşırı gürültüye ve ne yazık ki birçok kazaya neden olabilir. Araç sürücülerinin çoğu, satın almadan önce eski lastiklerinden veya araç kapısının arkasında bulunan etiketten lastik satın almak için gerekli olan ebat bilgisini kontrol ederler. Ancak, genellikle bu bilgileri lastiklerden veya aracın kapısındaki etiketten bulmak zor olabilir. Kullanıcılar, lastiğin kullanım ile alakalı tüm bilgileri ve uyarıları içeren bölgeyi kontrol ettiklerinde, lastik üzerinde bulunan çok sayıda yazı ve sembol arasından ihtiyaç duydukları bilgiyi kolayca bulamazlar. Bu nedenle satın almadan kullanıcı deneyimleri kesintiye uğrayabilir. Bu soruna çözüm bulmak için, bu tez kapsamında kullanıcının mobil cihazlarından alınan tek bir görüntüden lastik satın almak için yeterli marka ve ebat bilgilerini tespit edebilen denetimli derin öğrenme algoritmalarına dayalı bir sistem geliştirilmiştir. Önerilen sistem, lastik satın almak için gerekli olan marka ve ebat bilgisini algılayarak müşteriye öneriler sunan kullanıcı dostu bir akışa sahiptir. Son kullanıcıların etkin şekilde kullanabileceği bir çözüm elde edebilmek için probleme özgü bir veri seti toplanmış ve hazırlanmıştır. Geliştirilen sistemde bulunan tespit modelleri için derin sinir ağlarına dayalı bölütleme ve nesne tespit yöntemleri ve görüntü işleme algoritmaları kullanılmıştır. Nihai sistem marka tespitinde %96.5, ebat için karakter tanımada %98.7 ve toplam ebat tespitinde %96.5 başarım göstermiştir.