Tüm Yayınlar

Permanent URI for this collectionhttps://hdl.handle.net/20.500.12597/2099

Browse

Now showing 1 - 4 of 4

AKILLI ŞEHİR HAVA TAKİP SİSTEMİ VE ASTIM HASTALARI İÇİN PM2.5 KONSANTRASYONU ÖLÇÜM ARACININ GELİŞTİRİLMESİ
(2018-06-01) Abdulkadir KARACI
Son zamanlarda, hava kirliliği insan sağlığında ve çevrede ciddi etkilere yolaçtığından dolayı gerçek zamanlı hava kalitesi ölçümü konusunda kamu bilinciartmaktadır. Çeşitli boyutlarda, genellikle toz olarak sınıflandırılan partikül maddevarlığı, açık hava ve kapalı alan senaryolarında hava kalitesini etkileyen önemli birfaktördür. Şehirlerin iç ve dış ortamlarındaki hava kirleticilerinin izlenmesi teknikaçıdan zahmetli ve çok pahalı bir iştir. Bu çalışmada dış ortamlardaki PM2.5yoğunluğunu, nemi ve sıcaklığı ölçen düşük maliyetli bir araç geliştirilmiştir.Geliştirilen araç PM2.5, ısı ve nem verilerini ölçerek Wi-Fi üzerinden Thing Speak IoTplatformuna göndermektedir. Ayrıca astım hastaları ve diğer risk grupları için PM2.5oranı eşik değerini aştığında hem sesli hem de görsel uyarı verilmektedir.Geliştirilen sistem farklı deneysel tasarımlar gerçekleştirilerek test edilmiştir. Testsonuçlarına göre, geliştirilen aracın PM2.5 yoğunluğunu doğru bir şekilde ölçtüğü,ölçüm verilerini anlık olarak IoT platformuna gönderdiği ve eşik değeri aşıldığındahem LCD ekran üzerinde mesaj olarak hem de sesli olarak uyarı verdiğigörülmüştür.
Detection and classification of shoulder implants from X-ray images: YOLO and pretrained convolution neural network based approach
(2022-01-01) Karaci A.; Karaci, A
Shoulder implants may need to be replaced several months or years after insertion. In this case, it is important to determine the manufacturer or model of the implant. In some cases, the implant manufacturer and model may not be known to patients or their physicians due to uncertainty in medical records. Today, the task of identifying an implant manufacturer or model in such situations relies on meticulous examination and visual comparison of X-ray images taken from the implant by medical professionals. But this identification task is often time-consuming, error-prone and difficult for both radiologists and orthopedic surgeons. In this study, it is aimed to automatically detect the implant manufacturer using deep learning methods. For this purpose, pretrained CNN architectures and cascade models consisting of feeding these architectures with the YOLO algorithm have been proposed.
IOT-BASED EARTHQUAKE WARNING SYSTEM DEVELOPMENT AND EVALUATION
(2018-06-01) Abdulkadir KARACI
Inthisstudyalowcostearthquakewarningsystemhasbeendevelopedthatwilldetectnon-destructiveforeshocks.ThedevelopedsystemisanIOTapplicationwhereobjectscommunicatewitheachother.Arduinomegawasusedasthemicrocontrollerinthesystem.Thepurposeofdevelopingearthquakewarningsystemistoannouncetheinformationaboutthebeginningandendoftheearthquakeattheinstantofearthquakeasatweetintweeterandtogiveaudiblealertforthepersonsintheenvironment.IMUandpiezovibrationsensorswereusedtodetectthevibrationsatthemomentoftheearthquake.Also,ESP8266Wi-Fimodulewasincludedinthesystemforthesystemtoconnecttotheinternet.ThesystemevaluatesthedatafromIMUandvibrationsensorstodetecttheearthquake.ForIMUsensor,dataisevaluatedintwoaxes;namelyxandy.ıfthechangeinx-ory-axisisequaltoorgreaterthan10orthedatafromvibrationsensorisgreaterthan694thentheearthquakewarningsystemistriggered.AsaresultofthistriggeringthesystemconnectstointernetviaWiFimodule,atweetissenttoinformthattheearthquakehasstartedandaudiblealertisgivenlocally.ThingSpeakIoTanalyticsplatformisusedforthesystemtopsendtweet.Whenthesystemistriggered,necessarydataissenttotheThingSpeakplatformandtweetissentthroughthisplatform.Also,system’ssensitivitythresholdvaluescanbechangedandadjusted.Accordingtotheresultsofreal-timeoperation,ithasbeendeterminedthatthedevelopedsystemcandetecttheearthquakesuccessfullyandsensitivelyandprovideaudiblealertandsendtweetforwarning.
Self-Care Problems Classification of Children with Physical and Motor Disability by Deep Neural Networks
(2020.01.01) Karaci, A; Abdulkadir KARACI
Fiziksel ve motor engellilik bazı bireysel ana yaşam aktivitelerini büyük ölçüde sınırlandıran bir bozukluktur. Bu bozukluklardünyanın birçok ülkesinde çocukları etkilemektedir. Bunun yanı sıra fiziksel ve motor engelli bireylerin doktorlar tarafından uygunmesleki tedavilerle sınıflandırılmaları zor bir süreçtir. Çünkü değerlendirilmesi gereken birçok değişken vardır. Bu çalışmadakiamaç, fiziksel ve motor engelli çocukların öz bakım beceri problemlerini derin sinir ağlarını (DSA) kullanarak en az hata ilesınıflandırmaktır. Bu amaçla farklı parametrelere sahip DSA modelleri oluşturulmuştur. Modellerin oluşturulmasında gizli katmansayısı, gizli katmanlardaki nöron sayısı, aktivasyon fonksiyonu, optimizasyon algoritması, kayıp fonksiyonu ve epoch değeriparametreleri dikkate alınmıştır. Oluşturulan DSA modelleri SCADI (Self-Care Activities Dataset based on ICFCY) veri setivasıtasıyla eğitilmiş ve test işlemi gerçekleştirilmiştir. Modellerin sınıflandırma performansları F-1 puanı, kesinlik (precision-P),hassasiyet (recall-R) ve doğruluk (accuracy-ACC) metrikleri kullanılarak ortaya konulmuştur. En iyi sınıflandırma performansınasahip 8 modelin ayrıntıları sunulmuştur. Elde edilen bulgulara göre en iyi sınıflandırma performansı Adadelta optimizasyonalgoritmasını, Elu aktivasyon fonksiyonunu ve Categorical crossentropy kayıp fonksiyonunu kullanan DSA-1 modelinde eldeedilmiştir. Bu modelin P, R, ACC ve F1 puanı değerleri 1’dir. Yani bu model fiziksel ve motor engelli çocukların öz bakım beceriproblemlerini %100 doğrulukla tahmin etmektedir. Ayrıca, en iyi üç modelin (DSA-1, DSA-2 ve DSA-3) geçerliliğini artırmakiçin 10-fold çapraz doğrulama yöntemi ile eğitim ve test işlemi tekrar gerçekleştirilmiştir. Ortalama çapraz doğrulama accuracydeğerleri sırasıyla %85.71, % 85.71 ve % 87.14 olarak hesaplanmıştır. Mesleki terapistler, geliştirilen DSA modellerini öz bakımproblemlerini teşhis etmede doğrulayıcı bir araç olarak kullanılabilirler.

Browse

Browsing by Author "Abdulkadir KARACI"