Geri Dönüştürülebilir Atıkların Materyallerine Göre Sınıflandırılması için Raspberry Pi Tabanlı Donanım Geliştirilmesi

dc.contributor.author Sağlam, Ali
dc.contributor.author Taş, Melike
dc.contributor.author Baykan, Nurdan Akhan
dc.date.accessioned 2023-01-08T19:04:20Z
dc.date.available 2023-01-08T19:04:20Z
dc.date.issued 2020
dc.description.abstract Hem doğanın korunması hem de sürekli artan insan ihtiyaçları için gerekli olan ve doğada kısıtlı miktarda bulunan materyallerin takviye edilmesi için ortaya çıkan “geri dönüşüm” kavramı son yıllarda en önemli konulardan birisi olmuştur. Belirli bir geri dönüşüm işlemi sonucunda, “ham maddesi yeniden kullanılabilir hale getirilebilen atıklar” olarak bilinen geri dönüştürülebilir atıkların toplanması konusu dünya genelinde üst ve yerel yönetimlerin de ilgilendiği bir problem olmuştur. Bunun için belirli merkezlere geri dönüştürülebilir atıklar için özel kutular yerleştirilmekte ve insanlar geri dönüşüm konusunda teşvik edilmeye çalışılmaktadır. Bu çalışmada, geri dönüşüm projelerinde kullanılmak üzere kâğıt, cam ve plastik atıklarının geri dönüşüm kutuları içerisinde gerçek zamanlı olarak tespit edilebilmesi için gerekli elektronik malzemeler ve yazılımlar kullanılarak bir materyal tanıma sistemi geliştirilmektedir. Sistem geri dönüşüm kutusuna atılan geri dönüştürülebilir katı atıkların materyallerini tanıyan ve materyale göre kullanıcı hesabına ücret yükleyen bir simülasyon işlevi görmektedir. Geliştirilen donanım kamera, LCD ekran, LED, IR LED, devre tahtası ve jumper kablo gibi Raspberry Pi üzerine bağlanabilen elektronik cihazları da içermektedir. Materyallerin tanınması için gerekli yazılımının geliştirilmesi aşamasında; kâğıt, cam ve plastik materyallerini içeren 845 adet resim çalışma kapsamında hazırlanmış ve bunların 662 tanesi Tensorflow nesne tanıma kütüphanesi üzerinde eğitim için kullanılmıştır. Materyallerin geliştirilen donanım tarafından gerçek zamanlı olarak algılanması ve elde edilen nesne tanıma modelinin donanım üzerinde kullanılabilmesi için Raspberry Pi içerisine OpenCV bilgisayarlı görme kütüphanesi yüklenmiştir. En son olarak, geliştirilen donanım ilgili materyallere özel ayrılmış kutular üzerine sabitlenerek sistem gerçek zamanlı olarak çalışır hale getirilmiştir. Sistemin düzgün çalıştığını doğrulamak için kutu içerisine bazı atıklar atılmış ve LCD ekran üzerinde sonuçlar görüntülenmiştir. en_US
dc.identifier.doi 10.31590/ejosat.802692
dc.identifier.issn 2148-2683
dc.identifier.uri https://doi.org/10.31590/ejosat.802692
dc.identifier.uri https://search.trdizin.gov.tr/yayin/detay/1131241
dc.identifier.uri https://hdl.handle.net/20.500.13091/3259
dc.language.iso tr en_US
dc.relation.ispartof Avrupa Bilim ve Teknoloji Dergisi en_US
dc.rights info:eu-repo/semantics/openAccess en_US
dc.subject Raspberry Pi en_US
dc.subject Geri Dönüşüm en_US
dc.subject Görüntü İşleme en_US
dc.subject Derin Öğrenme en_US
dc.subject Nesne Tanıma Raspberry Pi en_US
dc.subject Recycling en_US
dc.subject Image Processing en_US
dc.subject Deep Learning en_US
dc.subject Object Recognition en_US
dc.title Geri Dönüştürülebilir Atıkların Materyallerine Göre Sınıflandırılması için Raspberry Pi Tabanlı Donanım Geliştirilmesi en_US
dc.type Article en_US
dspace.entity.type Publication
gdc.author.institutional Sağlam, Ali
gdc.author.institutional Taş, Melike
gdc.author.institutional Baykan, Nurdan Akhan
gdc.bip.impulseclass C5
gdc.bip.influenceclass C5
gdc.bip.popularityclass C5
gdc.coar.access open access
gdc.coar.type text::journal::journal article
gdc.description.department Fakülteler, Mühendislik ve Doğa Bilimleri Fakültesi, Bilgisayar Mühendisliği Bölümü en_US
gdc.description.endpage 38 en_US
gdc.description.issue Ejosat Özel Sayı 2020 (ICCEES) en_US
gdc.description.publicationcategory Makale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı en_US
gdc.description.scopusquality N/A
gdc.description.startpage 30 en_US
gdc.description.volume 0 en_US
gdc.description.wosquality N/A
gdc.identifier.openalex W3090077354
gdc.identifier.trdizinid 1131241
gdc.index.type TR-Dizin
gdc.oaire.accesstype GOLD
gdc.oaire.diamondjournal false
gdc.oaire.impulse 1.0
gdc.oaire.influence 2.743615E-9
gdc.oaire.isgreen false
gdc.oaire.keywords Engineering
gdc.oaire.keywords Mühendislik
gdc.oaire.keywords Raspberry Pi;Recycling;Image Processing;Deep Learning;Object Recognition
gdc.oaire.keywords Raspberry Pi;Geri Dönüşüm;Görüntü İşleme;Derin Öğrenme;Nesne Tanıma
gdc.oaire.popularity 2.937746E-9
gdc.oaire.publicfunded false
gdc.oaire.sciencefields 0202 electrical engineering, electronic engineering, information engineering
gdc.oaire.sciencefields 02 engineering and technology
gdc.oaire.sciencefields 01 natural sciences
gdc.oaire.sciencefields 0105 earth and related environmental sciences
gdc.openalex.collaboration National
gdc.openalex.fwci 0.28628788
gdc.openalex.normalizedpercentile 0.6
gdc.opencitations.count 2
gdc.plumx.mendeley 9
gdc.virtual.author Sağlam, Ali
gdc.virtual.author Baykan, Nurdan
relation.isAuthorOfPublication 45ef6a25-79a1-4196-a4bf-92a1c2f56cea
relation.isAuthorOfPublication 81dff1ca-db16-4103-b9cb-612ae1600b38
relation.isAuthorOfPublication.latestForDiscovery 45ef6a25-79a1-4196-a4bf-92a1c2f56cea

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
10.31590-ejosat.802692-1318950.pdf
Size:
1.48 MB
Format:
Adobe Portable Document Format