Robot hücrelerinde kameralı güvenlik sistemlerinin optimal tasarımı

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, -, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: MERDAN ÖZKAHRAMAN

Danışman: Haydar Livatyali

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Günümüzde, üretim sistemlerinde robot kullanılan iş hücreleri vazgeçilmez hale gelmiştir. Bu sistemler için insan ve iş güvenliği en önemli unsurlardan biridir. Görüntü işlemeye dayalı güvenlik yöntemlerinde üç boyutlu (3D) kamera kullanımı ticarileşmiş bir uygulamadır. Tek 3D kameranın kullanıldığı güvenlik sistemlerinde maliyetin yüksek olması ve kör noktaların oluşması dezavantaj yaratmaktadır. Bu sebeplerle, doktora tezinde, uluslararası güvenlik standartlarıyla uyumlu, iki boyutlu (2D) birden fazla kamera kullanılan bir güvenlik sistemi tasarımı yapılmıştır. Kamera sayısı, kamera yerleşim açısı ve kamera yükseklikleri optimizasyon parametreleri olarak ele alınıp, en uygun çözüm sunulmuştur. Çözümün doğrulanması için iki kamera kullanılan bir deney düzeneği kurulmuştur. Bu düzenekte optimal ve optimal olmayan kamera yerleşimlerinden alınan görseller, derin öğrenme mimarisi olan ResNet-152 kullanılarak karşılaştırılmıştır. Kör noktaları ortadan kaldırmak için, stereo görüntüleme yöntemlerine alternatif, 2D görüntü birleştirme tekniği önerilmiştir. Doğrulama deneyleri, sekiz aydınlatma seviyesinde iki farklı grafik işlemci ve iki farklı kamera çözünürlüğü kullanılarak gerçekleştirilmiştir. Güvenlik sistemine yüksek hızlı girişlerin güvenilir bir şekilde ve 0,1 saniye yanıt süresiyle algılandığı doğrulanmıştır. Ayrıca, ticari sistemler en az 400 lux üstünde kullanılabilirken, tasarlanan sistemin 120 lux aydınlatma seviyesine kadar etkili şekilde çalıştığı kanıtlanmıştır. Kamera görüntülerine dayalı güvenlik sistemlerinde, yapay zekâ tabanlı nesne algılama mimarilerinin kullanımı sistem esnekliğini, doğruluğunu ve kararlılığını arttırmaktadır. Doktora çalışmasında, sistem denetleyicisi, üç derin öğrenme (ResNet-152, AlexNet, SqueezeNet) ve üç makine öğrenmesi modülü (SVM, RF ve DT) ile birleştirilmiştir. Modüller, alarm bölgesine giren on farklı nesnenin farklı kalitelerdeki 550şer fotoğraf görüntüsü kullanılarak eğitilmiştir. Böylece endüstriyel ortamın değişen koşulları; Kamera titreşimleri, gölgeler, yansımalar, aydınlatma değişimleri vb. bozucu etkiler veri setine dâhil edilmiştir. SqueezeNet derin öğrenme modeli, %95 ile en iyi doğruluğu vermiştir. Ancak makine öğrenmesi tabanlı modellerden DT, yakın doğrulukta tahmini derin öğrenme tabanlı modellerden 100 kat daha hızlı sağladığı bulunmuştur. Böylece güvenlik sistemi olası her türlü değişikliğe hızla uyum sağlayabilmekte ve endüstriyel üretimde oluşabilecek zaman kayıplarının önüne geçilebilmektedir.