2 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 2 / 2
Öğe Makine öğrenmesi yöntemleri kullanılarak Diyarbakır içme suyu şebekesindeki yatay milli su pompası sesinden arıza tahmini(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2024-07-25) Saçaklıdır, İdris; Koç, SavaşMakineler, mekanik bileşenlerinin doğrusal veya döner hareketinin bir sonucu olarak gürültü üretir. Çalışma sırasında, ses, makineyi oluşturan bileşenlerin eksenel yanlış hizalanması, aşırı gerilmesi ve aşınması sonucu değişir. Sınıflandırma modellerini eğitmek için doğrudan seslerden elde edilen dizileri veya görüntüleri kullanmanın yanı sıra, zaman ve frekans değerlerinden özellikler çıkarılarak modeller için çoklu diziler oluşturulur. Bu çalışmada, CNN (Convolutional Neural Network) gibi derin öğrenme modellerinde kullanılacak verileri oluşturmak üzere her ses için MFCC'lerden (Mel-Frequency Cepstral Coefficients) oluşan 15 adet 1D (tek boyutlu) dizi ve 15 adet 2D (iki boyutlu) görüntü kullanılmıştır. Makine öğrenmesi modellerinde ise her sesten Genlik-zaman, Mel-spektrogram, MFCC'ler, ZCR'ler (Sıfır Geçiş Oranları) ve RMS (Ortalama Enerji Karekökü) özelliklerinden 18 özellik çıkarılarak bir veri kümesi oluşturulmuştur. Makine öğrenme modellerinde SVM (Destek Vektör Makinesi), KNN (K-En Yakın Komşular) ve Ensemble Öğrenme modelleri kullanılmıştır. Ensemble öğrenme modeli SVM, KNN ve RF (Random Forest) modellerini birleştirmektedir. Pompa fanı için en yüksek doğruluk oranı %98,83 ile topluluk modelinde, en düşük doğruluk oranı ise %63,38 ile DVM modelinde, pompa ön yatağı için en yüksek doğruluk oranı %99,68 ile topluluk modelinde, en düşük doğruluk oranı ise %84,08 ile DVM modelinde elde edilmiştir. Buna ek olarak, pompa arka yatağı için en yüksek doğruluk topluluk modelinde %99,66 ve en düşük doğruluk DVM modelinde %89,53'tür ve pompa motoru fanı ve yatağı için en yüksek doğruluk KNN modelinde %98,19 ve en düşük doğruluk DVM modelinde %75,60'tır. Tüm sistem için en yüksek doğruluk topluluk modelinde %93,57 ve en düşük doğruluk DVM modelinde %65,11 olarak hesaplanmıştır. Bu sonuçlar, bir santrifüj pompanın erken arıza teşhisinin sağlanabileceğini ve arızaların önlenebileceğini göstermektedir. Çalışma sırasında bozulan veya arızalanan makinelerin neden olduğu arızaları önlemek için erken arıza teşhisi ve kestirimci bakım planlamasının uygulanması önemli bir ekonomik ve enerji tasarrufu sağlamaktadır.Öğe Diyabetik ayak ülserlerinin yapay zekâ ile tespiti(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2025-07-30) Özdaş, Murat; Kaya, YılmazDiyabetik ayak ülseri (DAU), diyabet hastalarında enfeksiyon, uzuv kaybı ve mortalite oranlarını artıran ciddi bir sağlık sorunudur. Erken teşhis edilmediğinde hasta yaşam kalitesini düşürmekte ve sağlık sistemine önemli bir yük getirmektedir. Bu çalışmada, DAU’nun doğru ve erken tespiti amacıyla derin öğrenme tabanlı sınıflandırma modelleri değerlendirilmiştir. Kaggle platformundan temin edilen, uzman doktorlarca etiketlenmiş DFU görüntüleri; RegNetY-400MF, RegNetY-800MF, EfficientNet-B0 ve EfficientNet-B1 olmak üzere dört farklı evrişimsel sinir ağı (CNN) mimarisi ile analiz edilmiştir. Transfer öğrenme ve veri çoğaltma yöntemleriyle model eğitimi iyileştirilmiş; kontrast artırma ve gürültü giderme gibi ön işleme adımları ile sınıflandırma başarımı artırılmıştır. Analiz sonuçları, EfficientNet-B1 ve RegNetY-800MF modellerinin yüksek doğruluk, düşük kayıp ve güçlü genelleme yetenekleri ile öne çıktığını göstermiştir. EfficientNet-B1 modeli %99’un üzerinde doğruluk ile en başarılı sonuçları sunarken; RegNetY-800MF modeli ise hem eğitim hem test verilerinde istikrarlı bir performans sergilemiştir. RegNetY-400MF modeli eğitimde yüksek başarı elde etmesine rağmen test aşamasında dalgalanmalar yaşamıştır. EfficientNet-B0 modeli ise kompakt yapısı sayesinde düşük kaynaklı sistemlerde uygun bir alternatif olarak değerlendirilmiştir. Tartışma bölümünde, tüm modellerin duyarlılık oranlarının %100’e yakın olduğu ve ülserli vakaların atlanmadığı belirlenmiştir. ROC eğrileri ve AUC değerleri bakımından EfficientNet-B1 ve RegNetY-800MF modelleri, klinik uygulamalarda kullanılabilecek güvenilir yapılar olarak öne çıkmıştır. Özgüllük oranlarının da yüksek bulunması, yanlış pozitif oranını minimize eden bir yapı sunmuştur. Sonuç olarak, bu tez çalışması, DAU tanısında yapay zekâ destekli çözümlerin hem akademik araştırmalarda hem de klinik pratikte uygulanabilirliğini ortaya koymuştur.
