DSpace Repository

Moving object detection in industrial line application

Show simple item record

dc.contributor.author Abdilatef, Muhamad Azhar
dc.date.accessioned 2015-05-05T10:11:38Z
dc.date.available 2015-05-05T10:11:38Z
dc.date.issued 2014-06
dc.identifier.citation ABDİLATEF, M.A. (2014). Moving object detection in industrial line application. Yayımlanmamış yüksek lisans tezi. Ankara: Çankaya Üniversitesi Fen Bilimleri Enstitüsü. tr_TR
dc.identifier.uri http://hdl.handle.net/20.500.12416/333
dc.description.abstract In this thesis, a comparison study of moving object detection methods in industrial line application is presented. This comparison includes the consuming times, and the detection accuracy. According to consuming time, the methods are sorted into three groups (A, B, C). Groups A and B are including the methods those consuming a large time, thus they didn’t used for our application, while group C includes the methods with low consuming time. According to the detection accuracy, group C methods are compared one with each other to select the best method. The Misclassification rate (MR) is used to do this comparison. Some applied methods gave good results in detection but with high consuming time, others have problems in detection but with low consuming time. In this thesis a new method is presented using a combination between method 5 (the statistical morphological operation with the minimal bounding box) and method 6 (canny edge detection), this presented method classified as group C method, it did well in detection and consuming low time, thus it is used in the application of our thesis. The application set of our thesis consists of a prototype conveyer belt derived by a servo motor implementedespecially for our work, robot arm type Rios, and a stationary camera mounted on the top of the conveyer built. In our application five random types of objects are used, the location, size (area in pixels), and orientation for the region of interest (the objects) are detected depending on the images captured by the camera. When the object enters camera's scope, a captured image enters an image processing operation to detect the object, remark its features, and use it to make a robot arm go to the correct location to reach the object there, grip the object and move it to another location. Due to the MR results, it is obvious to notice that method 7 (Statistical Morphological Operation with MBR and Edges Detection) is gave the best results in the detection for all the used objects, according to that, method 7 is used in the implementation of the thesis application. tr_TR
dc.description.abstract Bu tezde, endüstriyel hat uygulamalarında hareketli nesne algılama yöntemlerinin bir karşılaştırması sunulmaktadır. Bu karşılaştırma, hesaplama zamanını ve doğruluk oranlarını içermektedir. Hesaplama zamanına göre, metotlar üç gruba (A, B, C) ayrılmıştır. A ve B gruplarında yer alan yöntemler yüksek hesaplama zamanlarına ihtiyaç duyduklarından uygulamamızda tercih edilmediler. C grubunda yer alan yöntemler ise görece düşük hesaplama zamanlarına ihtiyaç duymaktadırlar. C grubundaki yöntemlerden en iyi yöntemi seçmek için ise, doğruluk oranları kullanılarak yöntemler birbirleri ile karşılaştırılmıştır. Uygulanan bazı yöntemlerin isabet oranlarının yüksek olduğu ancak aynı zamanda da yüksek hesaplama zamanlarına ihtiyaç duydukları gözlemlenirken, diğer bazı yöntemler görece düşük hesaplama zamanlarına ihtiyaç duyarlarken isabet oranlarının da düşük olduğu tespit edilmiştir. Bu tezde, yöntem 5 (en küçük sınırlayıcı kutu ile istatistiksel morfolojik operatör) ile yöntem 6'nın (Canny kenar tespiti) bir kombinasyonu olan yeni bir yöntem sunulmaktadır. Önerilen yöntem yüksek doğruluk oranına ve düşük hesaplama zamanına sahip olduğundan, yöntemi C grubu yöntemi olarak vii sınıflayabiliriz. Bu nedenle tezin uygulamasında söz konusu yöntem kullanılmıştır. Tezin uygulama düzeneği bir servo motor yardımı ile hareket ettirilen prototip bir taşıyıcı banttan Rios tipi bir robot kol ve taşıyıcı bant üstüne monte edilmiş bir sabit kameradan oluşmaktadır. Uygulamamızda beş rasgele nesne kullanılırken, nesnelerin konumu , boyutu (piksel cinsinden), ilgilenilen bölge için oryantasyon kamera tarafından çekilen görüntüler kullanılarak tespit edilmektedir. Nesne kameranın görüş alanına girdiğinde yakalanan görüntü, görüntü işleme birimine gönderilerek nesnenin ve ayırtedici özelliklerinin tespiti gerçeklenerek robot kolun doğru yere konumlanmasını ve hedef nesneye uzanıp kavramasını sağlamak üzere kullanılır. MR sonuçlarına göre açıkça görüle bilmektedir ki Yöntem 7 (MBR ve Kenar Algılamalı İstatistiksel Morfolojik Operasyon ), algılamada kullanılan tüm objeler için en iyi sonuçları vermektedir. Buna göre yöntem 7 bu tezin uygulamasında tatbik edilmiştir. tr_TR
dc.language.iso en tr_TR
dc.rights info:eu-repo/semantics/openAccess
dc.subject Area in Pixels tr_TR
dc.subject Camera tr_TR
dc.subject Conveyer Belt tr_TR
dc.subject Consuming Time tr_TR
dc.subject Detection Accuracy tr_TR
dc.subject Detection Methods tr_TR
dc.subject Detected Objects tr_TR
dc.subject Misclassification Rate tr_TR
dc.subject Moving Object Detection tr_TR
dc.subject Robot Arm tr_TR
dc.subject Pixel Cinsinden Alan tr_TR
dc.subject Kamera tr_TR
dc.subject Hareketli Nesne Tespiti tr_TR
dc.subject Hesaplama Zamanı tr_TR
dc.subject Doğruluk Oranı tr_TR
dc.subject Tespit Yöntemleri tr_TR
dc.subject Tespit Edilen Nesneler tr_TR
dc.subject Taşıyıcı Bant tr_TR
dc.subject Yanlış Sınıflama Oranı tr_TR
dc.subject Robot Kol tr_TR
dc.title Moving object detection in industrial line application tr_TR
dc.title.alternative Endüstriyel hatlarda hareketli nesne algılama uygulamalası tr_TR
dc.type Thesis tr_TR
dc.contributor.department Çankaya Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Bölümü tr_TR


Files in this item

This item appears in the following Collection(s)

Show simple item record