Repository logoGCRIS
  • English
  • Türkçe
  • Русский
Log In
New user? Click here to register. Have you forgotten your password?
Home
Communities
Browse GCRIS
Entities
Overview
GCRIS Guide
  1. Home
  2. Browse by Author

Browsing by Author "Dere, Emine"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • Loading...
    Thumbnail Image
    Master Thesis
    Görüntü İsleme ile Porselen İzolatör Hasarlarinin Tespiti
    (Konya Teknik Üniversitesi, 2023) Dere, Emine; Akbal, Bahadır
    İzolatör üzerinde oluşan kırık ve çatlaklar istenmeyen enerji kesintileri ile büyük ekonomik kayıplara sebep olmaktadır. Bunların önüne geçebilmek için izolatör yüzeyinde bulunan kırık ve çatlakların kısa sürede tespit edilmesi gerekmektedir. Bu tez çalışmasında kırık veya çatlak bir izolatörün görüntüsü kullanılarak hasar tespiti yapılmıştır. Elde edilen görüntüye MATLAB programı üzerinde görüntü işleme yöntemleri uygulanmış ve sınıflandırma yöntemleri ile de arızalı izolatörler tespit edilmiştir. İzolatör üzerindeki hasarın belirginleştirilerek tespit edilmesi amaçlandığından istenilen aşamaya gelinene kadar görüntü üzerinde bazı işlemlerin uygulanması gerekmektedir. Öncelikle düşük seviyeli görüntü işleme adımları ile ihtiyaca göre görüntü üzerindeki gereksiz gürültüler temizlenmiş ve görüntüye netlik kazandırılmıştır. Daha sonra görüntü üzerindeki renk dağılımının eşitlenmesi için histogram eşitleme işlemi uygulanmıştır. Histogram eşitlemesinin akabinde görüntü en uygun eşik değerinde eşiklenerek ikili moda çevrilmiştir. Gereksiz beyaz noktaların temizlenmesi ve hasarlı kısımların belirginleşmesi için son olarak morfolojik işlemler uygulanıp görüntü istenilen noktaya getirilerek izolatör üzerindeki hasarlar belirginleştirilmiştir. Görüntü işleme sonucu elde edilen verilerden bir veri seti oluşturulup destek vektör makineleri, yapay sinir ağları ve derin öğrenme yöntemleri kullanılarak Python üzerinde görüntü sınıflandırma yapılmış, böylece hasarlı ve hasarsız izolatör tespiti gerçekleştirilmiştir. Toplamda 348 adet veri ile sınıflandırma yöntemlerinin eğitim ve test işlemleri yapılmıştır. Çalışma sonunda sınıflandırma yöntemleri karşılaştırılmış, destek vektör makinelerinden %66, yapay sinir ağlarından %60 ve derin öğrenmeden %74 oranlarında test doğruluk oranı elde edilmiştir.
Repository logo
Collections
  • Scopus Collection
  • WoS Collection
  • TrDizin Collection
  • PubMed Collection
Entities
  • Research Outputs
  • Organizations
  • Researchers
  • Projects
  • Awards
  • Equipments
  • Events
About
  • Contact
  • GCRIS
  • Research Ecosystems
  • Feedback
  • OAI-PMH

Log in to GCRIS Dashboard

Powered by Research Ecosystems

  • Privacy policy
  • End User Agreement
  • Feedback