Browsing by Author "Ergene, Mehmet Celalettin"

Now showing 1 - 8 of 8

Design of a Distributed Control System With Fuzzy Logic Controller and Plc in Wireless Sensor Network Based Industrial Environments and Monitoring the System With Rfid
(2019) Durdu, Akif; Bozkurt, Üzeyir İlbay; Ergene, Mehmet Celalettin
Nowadays industrial applications are built on automatic control systems. The main reason is to convert these control systems and industrial factories into smart ones. By converting them to smart factories, a high-efficiency rate can be acquired. Generally, automatic control systems are controlled by classical logic via PLC (Programmable Logic Controllers). In this method, many problems can be met with. The most important one of these is that it is complicated to create a numerical control unit. Trying to control the system with the traditional way without creating a model can lead us to complicated algorithms. At the same time, complicated algorithms can cause wrong orientations in the system. However, the fuzzy logic, which is one of the intelligent control methods, can help us to create the system just with linguistic expressions and some rules without requiring a mathematical model. In this way with smart control methods, efficiency can be obtained in factories. Besides control systems, factories can be made smart. RFID technology is the central element of this process. The factorymaterial communication is provided via RFID technology. Thus, factories can communicate with the material that is produced without any human intervention. The development of smart factories and the rapid improvements in automation systems caused demands in wireless technology to rise. As a result of these demands, wireless sensor networks became a critical subject, and its use is widespread. These systems provide us to send the data in a certain distance without any loss of the data, also removes all the cables in the workplace. In this study, a control system, distributed in a wireless sensor network based industrial places, is controlled by a traditional PLC method and fuzzy logic. At the same time, the system is monitored by RFID and a solution is proposed to a smart factory application.
Futbolcularda Görülen Hamstring Yaralanmalarının Termal Görüntüleme ve Yapay Zeka ile Tespiti
(2025) Ergene, Mehmet Celalettin; Ceylan, Murat
Futbol takımlarının başarısını etkileyen en önemli faktörler arasında oyuncu kalitesi, taktiksel düzenlemeler ve antrenman programları yer almaktadır. Ancak bu başarıyı olumsuz etkileyen başlıca faktörlerin başında futbolcu yaralanmaları gelmektedir. Aktif yaralanma yaşayan bir oyuncunun takıma katkı sağlayabilmesi mümkün olmamaktadır. Bundan dolayı yaralanmalar hem futbol takımlarının başarısını düşürmekte ve hem de tedavi masraflarından dolayı takımlara maliyetli olmaktadır. Bu olumsuzluklardan dolayı futbol takımları kas yaralanmalarının incelenmesi, erken evre tespiti, rehabilitasyon sürecinin takibi ve sahaya dönüşün karar verilmesinde ultrasonografi (USG), manyetik rezonans görüntüleme (MRG), bilgisayarlı tomografi (BT), kan testleri ve izokinetik cihazlar gibi çeşitli tıbbi görüntüleme metotları kullanmaktadır. Günümüzde termografi alanındaki gelişmelerle birlikte termografik görüntüleme futbol takımlarına yaralanmaların incelenmesinde kullanımı kolay, maliyetsiz, kolay taşınabilir ve non-invaziv bir metot sunmaktadır. Yaralanmanın oluştuğu kas bölgesinde oluşan sıcaklık artışı ve kas bölgelerindeki sıcaklık asimetrisinden faydalanarak yaralanmaları incelemek mümkün olmaktadır. Bundan dolayı son dönemlerde sporcu yaralanmalarında termografinin kullanımı üzerine yapılan çalışmalar artış göstermektedir. Bu tez çalışmasında, futbolcu yaralanmalarının termal görüntüleme ile incelenmesi ve bu görüntülerin yaralanma tespiti ile rehabilitasyon süreçlerinin planlanmasında kullanılabilirliği araştırılmıştır. Çalışmada, derin öğrenme yöntemleri kullanılarak alt ekstremite termal görüntülerinden kas bölgelerinin segmentasyonu ve bu bölgelerdeki yaralanmaların sınıflandırılması yapılmıştır. Ayrıca, futbolcuların aktif yaralanmalarının tespiti ve rehabilitasyon süreçlerinin planlanmasına yönelik karar destek sistemleri geliştirilmiştir. Araştırma için Türkiye Süper Lig takımı futbolcularından 2 sezon boyunca termografi ile alt ekstremite termal görüntüleri elde edilmiştir. Derin öğrenme metotlarında başarılı sonuçlar elde edebilmek için büyük miktarda veri gerekliliği olduğu bilinse de bir sezonda yaralanma yaşayan futbolcu sayısının sınırlı olması yetersiz ve dengesiz veri seti problemini ortaya çıkarmaktadır. Bu problemin üstesinden gelmek için geleneksel derin öğrenme metotlarına ek olarak, az örnekli öğrenme metotları ve yeni derin öğrenme metotları kullanılmıştır. Bu tez çalışmasında, aktif yaralanması bulunan futbolcuların termal görüntüleri incelenerek yaralanmaların tespiti yapılmış ve rehabilitasyon süreçleri planlanmıştır. Daha sonra bu yaralanmaların daha detaylı analiz edilebilmesi için derin öğrenme algoritmaları ile kas bölgelerinin segmentasyonu yapılmış ve segmente edilen bölgeler üzerinden yaralanmaların sınıflandırılması gerçekleştirilmiştir. Yetersiz ve dengesiz veri seti problemine yönelik olarak, az örnekli öğrenme ve modern derin öğrenme metotları ile sınıflandırma süreçlerinin doğruluğu artırılmıştır. Tez kapsamında yürütülen uygulamalar üç başlık altında gerçekleştirilmiştir. İlk olarak termal görüntülerden futbolcuların yaralanmaları tespit edilmiş ve yaralanmaların egzersiz etkisi altında verdiği termal tepki incelenmiştir. Aynı zamanda futbolcuların rehabilitasyon süreçlerinin planlanması ve sahaya dönüş kararının verilmesinde termografi desteği sağlanmıştır. Daha sonra futbolcularda anatomik atlasa göre belirlenen kas bölgeleri derin öğrenme metotlarından U-Net, Piramit Sahne Ayrıştırma Ağı, LinkNet ve Özellik Piramit Ağı kullanılarak segmente edilmiştir. Bu segmentasyon işlemi sonucunda; en başarılı metodun %99 başarı oranı ile U-Net olduğu görülmüştür. Daha sonra segmente edilen kas bölgelerindeki yaralanmaların tespit edilmesi için Densenet, Görsel Geometri Grubu, Artık Ağlar, EfficientNet gibi derin öğrenme metotları kullanılmıştır. Yaralanmaların tespiti için hem segmentasyon hem de sınıflandırma içeren bir uçtan uca bir algoritma yapısı tasarlanmıştır. Sınıflandırma sonucunda en başarılı sonuçları EfficientNetB0 %83.9 ve EfficientNetB1 + Özellik Piramit Ağı %81.0 doğruluk oranı ile vermiştir. Yetersiz ve dengesiz veri seti problemine çözüm bulmak ve elde edilen sonuçların başarı oranını daha da arttırmak için Siyam Ağları, Prototip Ağları ve Kolmogorov-Arnold Ağı ile sınıflandırma işlemi gerçekleştirilmiştir. Sınıflandırma sonuçları incelendiğinde Siyam ve Prototip Ağları sırasıyla %94 ve %97.78 başarı oranı elde ederken, Kolmogorov-Arnold Ağı ile %93.1 başarı oranı elde edilmiştir. Bu durum az örnekli öğrenme metotları ve derin öğrenmede yeni bir metot olan Kolmogorov-Arnold Ağının sporcu yaralanmalarının termografi ile tespit edilmesinde oldukça başarılı olduğunu göstermektedir. Bunun yanında bu çalışma, Kolmogorov-Arnold Ağı ile termal görüntülerden yaralanma tespiti üzerine yapılan literatürdeki ilk çalışmalardandır. Sonuç olarak bu tez kapsamında yürütülen çalışmalar termografi ve derin öğrenme yöntemlerinin spor hekimliğinde etkin bir şekilde kullanılarak yaralanmaların tespitinde ve yönetiminde önemli bir katkı sunduğunu göstermektedir.
Image Processing Based Task Allocation for Autonomous Multi Rotor Unmanned Aerial Vehicles
(SCIENCE & INFORMATION SAI ORGANIZATION LTD, 2018) Durdu, Akif; Ergene, Mehmet Celalettin; Demircan, Onur; Uğuz, Hasan; Mahmutoglu, Mustafa; Kurnaz, Ender
Nowadays studies based on unmanned aerial vehicles draws attention. Especially image processing based tasks are quite important. In this study, several tasks were performed based on the autonomous flight, image processing and load drop capabilities of the Unmanned Aerial Vehicle (UAV). Two main tasks were tested with an autonomous UAV, and the performance of the whole system was measured according to the duration and the methods of the image processing. In the first mission, the UAV flew over a 4x4 sized color matrix. 16 tiles of the matrix had three main colors, and the pattern was changed three times. The UAV was sent to the matrix, recognized 48 colors of the matrix and returned to the launch position autonomously. The second mission was to test load drop and image processing abilities of the UAV. In this mission, the UAV flew over the matrix, read the pattern and went to the parachute drop area. After that, the load was dropped according to the recognized pattern by the UAV and then came back to the launch position.
İnsansız Hava Araçlarında Akıllı Kontrol Sistemlerine Yönelik Nesne Takibi Uygulamaları
(Konya Teknik Üniversitesi, 2019) Ergene, Mehmet Celalettin; Durdu, Akif
İnsansız hava araçları günümüzde sıklıkla kullanılmakta olup bunlara olan revaç ve ihtiyaç gün geçtikçe artmaktadır. Hava araçlarının insansız olması ile bu araçlarda otonom kontrol uygulamaları gereksinimi hızla artmaktadır. İnsansız hava araçları çeşitli koşullarda ve çeşitli görevler için kullanılmakta ve bu görevlerde tam otonom uçuş için akıllı kontrol uygulamaları gerekmektedir. Akıllı bir kontrol sisteminde çeşitli makine öğrenmesi, derin öğrenme ve istatistiksel öğrenme metotları gibi kontrol sistemleri geliştirilmiş ve geliştirilmeye devam etmektedir. Bilindiği üzere insansız hava araçları oldukça hızlı hareket edebilmektedir. Engelden kaçınma veya nesne takibi gibi özelliklere sahip bir insansız hava aracı göz önüne alındığında, kontrolü sağlayan akıllı kontrol sistemi kararları oldukça hızlı ve doğru vermelidir aksi halde hava aracı ya engele çarpacak ya da yanlış karar vererek nesneyi kaybedecektir. Bunun için geliştirilecek nesne takip algoritmasının iki olmazsa olmaz özelliğe sahip olması gerekmektedir. Bu özellikler hız ve doğruluktur. Algoritmanın hızlı olması kullanılacak algoritmanın işlem gücüne ve kullanılacak olan donanımın yeterliliğine bağlıdır. Algoritmanın doğruluğu ise kullanılan metodun sınıflandırma veya takip işlemini ne kadar doğru yaptığına bağlı olacaktır. Bu nedenle, bu çalışmada literatürde halihazırda kullanılan derin öğrenme ve istatistiksel öğrenme metotları kullanılarak performansları karşılaştırılmış ve insansız hava araçlarında akıllı kontrol sistemlerine en uygun nesne takibi metodu bulunmaya çalışılmıştır. Bu çalışmaya yönelik, bir insansız hava aracının 5, 10 ve 20 metre irtifalarda hareketli ve sabit uçuşlarından alınan görüntüler üzerinde Parçacık Filtresi (PF), Kalman Filtresi (KF), Faster R-CNN ve Single Shot Multibox Detector (SSD) yöntemleri kullanılarak nesne tanıma ve nesne takibi uygulamaları gerçekleştirilmiş, sonuçları karşılaştırılmış ve insansız hava araçlarında akıllı kontrol sistemlerine yönelik en uygun nesne takibi yöntemi bulunması amaçlanmıştır. Performans değerlendirmesi amacıyla her bir yöntemin her uçuş sırasında saniye başına kare (FPS), takip doğruluğu, GPU ve CPU kullanım yüzdeleri kıyaslanmıştır. Sonuçlar göz önüne alındığında, Faster R-CNN en yüksek başarı oranına sahipken bunu sırasıyla SSD, KF ve PF takip etmiştir. FPS oranları kıyaslandığında en iyi sonucu KF vermiş ve sırasıyla PF, SSD ve Faster R-CNN gelmiştir. FPS oranlarında SSD ve PF oldukça yakın çıkmışlardır. Kıyaslamalar sonucunda insansız hava araçları için akıllı kontrol sistemlerinde nesne takibi için kullanılmaya en uygun metot, ortalama 12 FPS ile hızı ve yakın mesafede ortalama %90 başarı oranı göz önüne alınarak SSD olarak görülmüştür. Fakat maliyetin, sistem ağırlığının ve işlem gücünün az olması gerektiği sistemlerde ise KF kullanımının uygun olacağı kararına varılmıştır.
Monitoring the Reactions of Athletes With History of Rectus Femoris Proximal Tear Healed With Different Methods To Training Load With Thermography
(2023) Bayrak, Ahmet; Ergene, Mehmet Celalettin; Ceylan, Murat
Although rectus femoris (RF) injuries are rare, it is an important muscle that should be considered because of its contribution to actions such as shooting and fast running in football. In the literature, there is no consensus on which conservative or surgical methods should be preferred in RF total rupture. Although MRI is the gold standard method in the detection of injury, there is a controversy in the literature for post-injury imaging and follow-up. In addition, there is a lack of diagnostic imaging methods in the literature on how training load affects athletes. In current study, the effect of training load on athletes is evaluated by thermography after treatment of the RF muscle with different methods. This study is worthy of being a case report in terms of providing evidence on how the training load affects the sports lives of athletes who return to sports after surgery or conservative treatment.
Citation - WoS: 2
Citation - Scopus: 2
A New Deep Learning Based End-To Pipeline for Hamstring Injury Detection in Thermal Images of Professional Football Player
(Taylor & Francis Ltd, 2025) Ergene, Mehmet Celalettin; Bayrak, Ahmet; Ceylan, Murat
Football clubs use various methods such as thermal imaging which is a non-invasive and faster method to detect injuries and increase the success rate of the football club by reducing the injury rate. Studies have proven that with thermal imaging it is possible to detect inflammation caused by an injury. Therefore, it is possible to detect potential injury with infrared thermography. One of the biggest handicaps of injury detection with thermal imaging is that it is open to subjective interpretation, there are many points that can be missed, and it takes time to analyse them one by one. In order to avoid this problem, to increase the success of injury detection, a deep learning supported pipeline has been designed in this study to detect injuries from thermal images. In this pipeline, the hamstring muscle region from the football player thermal images was segmented using U-Net architecture. After that in order to detect injuries, segmented muscle region is classified by using Densenet, Resnet, VGG, Efficientnet architectures variations and feature pyramid added at the end of these architectures. Among the architectures used for classification, the EfficientnetB0 and EfficientnetB1+feature pyramid architectures are the most successful, with accuracies of 83.9% and 81%, respectively.
Tracking the Injury Recovery of Professional Football Players With Infrared Thermography: Preliminary Study
(2020) Ergene, Mehmet Celalettin; Bayrak, Ahmet; Ceylan, Murat
Infrared thermography is a non-invasive method of translating and viewing the radiating heat from the target surface collected by the infrared sensor into temperature as a digital image. Infrared thermography contains very useful data, especially for medical reasons. However, it has been accepted just recently. Although its usage is still questioned in sports medicine, recent studies claimed that infrared thermography can be used to examine muscle problems, injuries, and joint problems, etc. Sports medicine, physiotherapists, and medical imaging have vital importance for football teams and its’ success. During a season football teams lose a lot of matches because of the high rate of injury. That is why preventing an injury has more importance for a football team than healing an existing injury. In consequence physiotherapists use many methods to prevent football players from being injured and monitorise the injury such as creatine kinase tests, muscle strength measurements, MRI, etc. However, these methods are either not enough successful or expensive. In our study, we have developed an image processing software to examine lower extremities muscle problems of football players when they occur and after they rested a day. With this software, we aim to help physiotherapists to regulate rehabilitation plan and decide when to end the rehabilitation. Thanks to this, physiotherapists can decide to rest the football players or start treatment so that they will not get injured unnecessarily and will have a lower risk of injury. Thorough this the success of the football teams will increase because the football players will not miss matches because of the extreme training or overlooked injuries. In our proposed method, with infrared thermography, 3 football players with documented injuries were observed. They have studied again after the football players rested for 1 day and the findings were analyzed. For that the thermographic color palette’s RGB values are calculated in such a way that the upper and lower color values are discovered. In the next step, a binary mask is created, and this mask is blended with the grayscale original image, and the areas with muscle problems are displayed colored so that the physiotherapists can detect and examine problems easier. In the results part, it is shown that the areas are detected better than the human eye. It is concluded that with the help of the image processing algorithm muscle problems are detected successfully and the healing process after the resting is observed.
The Use of Prototypical and Siamese Networks in the Determination of Lower Extremity Injuries in Professional Football Players with Thermographic Data
(Taylor & Francis Ltd, 2025) Ergene, Mehmet Celalettin; Bayrak, Ahmet; Ceylan, Murat
Early diagnosis of lower extremity injuries in professional football players is crucial for maintaining performance and minimising long-term risks. Despite the growing use of thermographic imaging as a non-invasive tool for detecting musculoskeletal disorders, its integration into automated injury detection systems remains limited, particularly under data-scarce conditions. Given the need for effective early detection methods and the potential of thermography in sports medicine, this study investigates the applicability of deep learning models for classifying lower extremity injuries. Specifically, it evaluates the performance of Prototypical Network and Siamese Network models using thermographic data collected from professional athletes. The original dataset consists of images from 16 healthy and 9 injured individuals, and through augmentation it was expanded to 360 healthy and 180 injured samples. The Prototypical Network achieved an accuracy of 97.78%, while the Siamese Network attained 94%. These findings indicate that both models are capable of accurate injury detection, despite challenges posed by class imbalance and limited data availability. In conclusion, the study highlights the effectiveness of thermographic imaging combined with deep metric learning in identifying injuries in professional football players and suggests that reliable results can be achieved even in constrained data environments.