Browsing by Author "Çunkaş, Mehmet"

Now showing 1 - 3 of 3

Statistical Feature Extraction and Ann Based Classification of Temporamandibular Joint Sounds
(2018) Taşkıran, Uğur; Taşkıran, Salimkan Fatma; Çunkaş, Mehmet
In this study, a statistical feature extraction method is used to classify the Temporomandibular Joint (TMJ) sound. Temporomandibular Disorder (TMD) is the problems arising from or related to disorder of TMJ which is commonly known as jaw bone joint. TMD is a recurrent disorder related to jaw joint and common problem among the population. In fact TMD is so frequent that more than two third of population have some kind and level of TMD. TMJ sound listening is the easiest and quickest diagnose methods used by the clinic dentists. In the study, statistical features of TMJ sounds are extracted. Then extracted statistical features are applied to ANN for training and testing. Mean classification success rate of 87% to 89% is obtained in the study.
Temporomandibular Eklem Bozukluklarının Belirlenmesinde Sinyal İşleme ve Yapay Zeka Tekniklerinin Kullanılması
(Konya Teknik Üniversitesi, 2019) Taşkıran, Uğur; Çunkaş, Mehmet
Temporomandibular Eklem (TME) alt çene kemiği (mandibula) kondil ile temporal kemikteki mandibularfossa arasında meydana gelen bir eklemdir. TME çok karmaşık hareketler yapabilme kabiliyetine sahiptir. Bu eklemde meydana gelen her türlü bozukluğa Temporomandibular Bozukluk (TMB) denir. TMB oldukça yaygın bir rahatsızlık olup genel nüfusun %75 inde görülmektedir. TMB teşhisinin klasik yöntemlerinden biri hekimin hasta bireyin klinik muayenesi esnasında eklem seslerinin steteskop vasıtasıyla dinlemesidir. Bu sesler; krepitasyon, kliking ve popping olarak üç sınıfa ayrılmıştır. Bu çalışmada yapay zekâ yöntemleriyle TME seslerini işleyerek sağlıklı ve hasta olarak sınıflandıran bir yöntem geliştirilmiştir. İlk aşamada seslerin kaydı için girişimsel olmayan (non-invasive) bir cihaz tasarlanmış ve hasta ve sağlıklı bireylere ait sesler kaydedilmiştir. Seslerin gürültüden arındırılması ve bilgi içermeyen bölümlerin atılması için ses verilerine sayısal sinyal işleme uygulanmış ve daha sonra her bir veriye ait 100 adet frekans tabanlı özellik çıkarımı yapılmıştır. Bu veriler Yapay Sinir Ağı (YSA) ile sınıflandırılmış ve %78 civarında başarı oranı elde edilmiştir. İkinci aşamada ses veri dizisinden istatiksel veriler çıkartılmıştır. Bu özellikler kullanılarak YSA ile sınıflandırma yapılmış ve %87-89 civarında ortalama bir başarı elde edilmiştir. Üçüncü aşamada ise derin öğrenme yöntemi kullanılarak sınıflandırma yapılmıştır. Seçilen verilere bir bant geçiren filtre uygulanmış, herhangi bir bilgi taşımayan yüksek frekans bant aralıkları örnekleme frekansı düşürülerek atılmıştır. Derin öğrenme ağlarının resim sınıflamadaki başarısı bilindiğinden işlenen veriler kısa zamanlı Fourier dönüşümü tabanlı spektrogram resim verilerine çevrilmiştir. Bu resim verilerine derin öğrenme algoritması uygulanmıştır. Parametre ve ağ yapısı ayarları yapılarak ağın tutarlılığı arttırılmıştır. Derin öğrenme ağının sınıflandırma başarısı tutarlı olarak %90'nın üzerine çıkarılmıştır. Sonuçlar karşılaştırıldığında derin öğrenmeye dayalı sınıflandırma yönteminin önceki iki yönteme göre daha başarılı olduğu görülmüştür.
Yüksek Performanslı Anti-toz Kaplamaların Geliştirilmesi ve Fotovoltaik Panellere Uygulanması, Panel Performanslarının Gerçek Çevre Şartlarında İncelenmesi
(2023) Deveci, İlyas; Arslan, Cemile; Çunkaş, Mehmet; Arslan, Mustafa
Bu proje kapsamında, tozlanmadan kaynaklanan fotovoltaik (PV) panellerin verim kayıplarını azaltmaya yönelik olarak koruma camlarının yüzeyinin Al2O3 ince film ile kaplanması ve daha sonra Al2O3 yüzeyinin oleik asit ile işlevselleştirilerek yüzeyin hidrofobik karakterinin arttırılması amaçlanmıştır. Alüminyum isopropoksidin hidrolizi ile elde edilen Al2O3 sol çözeltisi yüzeye farklı sürelerde sprey piroliz metodu ile uygulanarak farklı kalınlıklarda kaplamalar elde edilmiştir. Kaplamaların yüzey özellikleri XRD, SEM, AFM, Profilometre ve Temas açısı karakterizasyon teknikleri kullanılarak incelenmiştir. Yüzey özelliklerinin incelenmesinde en iyi sonuçların gözlemlendiği deney parametreleri 40 sn kaplama süresi ve yüzeyin işlevselleştirilmesinde oleik asit konsantrasyonu kütlece %1,5 olarak belirlenmiştir. Bu parametreler kullanılarak laboratuvar ve gerçek ortam deneylerinde kullanılacak olan test panelleri ve lamelleri üretilmiştir. Sıcaklık, nem, rüzgâr hızı ve toz miktarı gibi parametreler değiştirilerek üretilen panel ve lamellerin anti-tozlanmaya karşı etkinlikleri incelenmiştir. Örnek panellerin ve hiçbir işlem uygulanmamış cam ile üretilen referans paneller için elde edilen veriler ile karşılaştırılarak kaplama etkinliği Minitab programı yardımıyla analiz edilmiştir. Yapılan deneylerde düşük sıcaklıklarda ve yüksek toz miktarlarında panellerdeki toz birikim farklılıkları 15 mg'ın üzerinde olduğu görülmüştür. Benzer şekilde referans ve numune lamellerinin yüzde olarak ışık geçirgenlik farkları da ortalama %15 olarak bulunmuştur. Yüksek toz miktarında örnek ve referans panellerin yüzde olarak güç kayıpları arasındaki fark %1,87 değerine ulaşmaktadır. Çalışmada Konya ilinin 4 farklı bölgesinden toplanan toz örneklerinin kaplamanın etkinliği üzerine etkisi incelenmiştir. PV hücrelerin gerçek ortamda yapılan ölçümlerinin neticesinde; kaplama gerçekleştirilen hücrelerde kaplama yapılmayan hücrelere göre aynı zaman diliminde ortalama 2Wh civarında daha yüksek elektrik enerjisi elde edildiği gözlemlenmiştir. Yapılan ölçümlerin sonuçlarına göre PV hücre üzerinde yapılan kaplamanın sonucu umut verici olarak değerlendirilebilir.