| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Robot Görme | MECE 584 | | | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Makine görüş sisteminin önemini ve çeşitli bileşenlerini açıklamak |
| 2. Görüntü edinimi ve dijital görüntü işleme operatörlerini tartışmak |
| 3. Görüntü segmentasyonu ve analiz tekniklerini tartışmak |
| 4. Robot programlama ve robot görüşü için görüş algoritmalarını tartışmak |
| 5. Makine görüşü ve görüntü işleme kavramlarını çeşitli endüstriyel uygulamalarda uygulamak |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu dersin amacı robot görme teorisini, uygulamalarını ve tekniklerini öğretmektir. Ders kapsamında görüntü oluşumu ve analizi, katı cisim ve koordinat çerçeve dönüşümleri, alt seviyede görüş ve kenar algılama, gölgelendirme ve aydınlatma modelleri, kamera modelleri ve kalibrasyon, 3-D Stereo yeniden yapılandırma, hareket tahmini ve nesne tanım konuları anlatılmaktadır. |
| |
Üretken Yapay Zeka Kullanımı:
Projelerde yapay zeka gerekmektedir. |
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Bilgisayar Görüntüsüne Giriş: İnsan görsel sistemi, makine görüntü sistemi ile karşılaştırma, Bilgisayar Görüntüsü, Endüstriyel Makine Görüntüsü ve Görüntü anlama, üretim ortamı bağlamında makine görü sisteminin bileşenleri. |
| 2 | Aydınlatma ve sensörler: Aydınlatma ve ışık seviyelerinin kontrolü, Görüntü oluşumu - temel nesneler, kamera sensörleri - CCD, CMOS, kamera sensörlerinin özellikleri. |
| 3 | Görüntü Edinimi: Örnekleme ve niceleme, Piksel arası mesafeler, bitişiklik kuralları. Görüntü edinimi donanımı, hız hususları. |
| 4 | Dijital görüntü işleme: Dijital görüntünün temelleri, Nokta işlemleri- kontrast germe, eşikleme, görüntü ekleme, arka plan çıkarma ile gürültü bastırma. Mahalle işlemleri- evrişim, gürültü bastırma. |
| 5 | Görüntü Bölümlendirmesi: Kenar algılama tekniklerine genel bakış: Gradyan ve fark tabanlı Operatörler-Roberts tahmin operatörleri, şablon eşleştirme, kenar uyumu, kenar algılamanın değerlendirilmesi |
| 6 | Görüntü Analizi: Giriş- inceleme, konum ve tanımlama, görüntü analiz teknikleri, şablon eşleştirme, istatistiksel desen tanıma sürecinin bileşenleri, Houghs dönüşümü tekniği. |
| 7 | Robot programlama ve robot vizyonu: Robot programlama metodolojilerinin kısa bir incelemesi, homojen dönüşümler, robotik programlama dili- RCL: veri tipleri ve değişken bildirimleri, artematik ifade ifadeleri, çerçeve ifade ifadeleri. |
| 8 | Robot programlama ve robot vizyonu: Robot programlama metodolojilerinin kısa bir incelemesi, homojen dönüşümler, robotik programlama dili- RCL: veri tipleri ve değişken bildirimleri, artematik ifade ifadeleri, çerçeve ifade ifadeleri. |
| 9 | Görüntü algoritmaları: Uç kabloları tanımlamak için görüntü algoritmaları - ikili görüntü algoritması, gri tonlamalı görüntü algoritması, endüstriyel görüntüde yapılandırılmış ışık tekniği kullanılarak aktif menzil belirleme. |
| 10 | Görüntü algoritmaları: Uç kabloları tanımlamak için görüntü algoritmaları - ikili görüntü algoritması, gri tonlamalı görüntü algoritması, endüstriyel görüntüde yapılandırılmış ışık tekniği kullanılarak aktif menzil belirleme. |
| 11 | Üretimde makine görüşü: Görev türleri - kod tanıma, nesne tanıma, konum tanıma, eksiksizlik kontrolü, şekil ve boyut kontrolü, yüzey denetimi. Üretim türleri, değerlendirme türleri, Değer katan makine görüşü. |
| 12 | Üretimde makine görüşü: Görev türleri - kod tanıma, nesne tanıma, konum tanıma, eksiksizlik kontrolü, şekil ve boyut kontrolü, yüzey denetimi. Üretim türleri, değerlendirme türleri, Değer katan makine görüşü. |
| 13 | Vaka Çalışmaları: Endüstrilere yönelik makine görüşü uygulamaları: Durum izleme, metroloji ve ölçüm, OCR ve OCV, Artırılmış gerçeklik, Gözetim. |
| 14 | Vaka Çalışmaları: Endüstrilere yönelik makine görüşü uygulamaları: Durum izleme, metroloji ve ölçüm, OCR ve OCV, Artırılmış gerçeklik, Gözetim. |
| |
| Kaynaklar: |
| R. C. Gonzalez and R. E. Woods, Digital Image Processing, Prentice Hall, 4th Edition, 2018. |
| |
| Diğer Kaynaklar: |
| 1. R. Gonzalez, R. Woods, and S. Eddins, Digital Image Processing using Matlab, 2nd ed., Prentice Hall, 2009.
2. D. H. Ballard and C. M. Brown, Computer Vision, Prentice Hall. 1982.
3. B. K. P. Horn, Robot Vision, MIT Press. 1986.
4. N. Zuech, Applying Machine Vision, Wiley Interscience. 1988.
5. R. M. Haralick and L. G. Shapiro, Computer and Robot Vision, V1 & 2, Addison Wesley. 1992.
6. F. van der Heijden, Image Based Measurement Systems, John Wiley and Sons, 1995.
7. E. R. Davies, Computer and Machine Vision: Theory, Algorithm, & Practicalities, 4th ed., Acad. Press, 2012.
8. Linda G. Shapiro and George C. Stockman, Machine Vision, Prentice Hall, 2001.
9. D. A. Forsyth, and J. Ponce, Computer Vision: A Modern Approach, Prentice Hall. 2nd ed., 2011.
10. R. Szeliski, Computer Vision: Algorithms and Applications, Springer-Verlag, London, 2011. |
| |
| Öğretim Yöntem ve Teknikleri: |
| 3 saat ders verilmekte, 1 vize sınavı, 1 final sınavı yapılmaktadır. 2 Porje verilecektir |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ara Sınav | 1 | %20 |
| Final Sınavı | 1 | %30 |
| Proje | 2 | %50 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı |
| 1 | Mekatronik Mühendisliği ile ilgili matematik, mühendislik ve disiplinler arası konularda bilgi; mekanik, elektronik, kontrol sistemleri ve yazılım alanlarında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgi üretir, değerlendirir, yorumlar ve tez yazabilir. | 2 |
| 2 | Mekatronik mühendisliğinde kullanılan güncel teknikler ve yöntemler (IoT, Endüstri 4.0, yapay zeka tabanlı kontrol sistemleri, robotik, sensör füzyonu, gömülü sistemler) hakkında kapsamlı bilgi sahibidir; bu teknikleri karmaşık mekatronik mühendisliği problemlerine uygulama yeteneği. | 2 |
| 3 | Mekatronik Mühendisliği alanı ile ilgili çok disiplinli problemleri tanımlama ve formüle etme yeteneği, bunları çözmek için entegre çözümler geliştirme ve çözümlerde yenilikçi, sürdürülebilir ve akıllı sistem yaklaşımlarını uygulama yeteneği. | 2 |
| 4 | Mekatronik Mühendisliği'nde karşılaşılan karmaşık problemleri analiz etmek ve çözmek için gereken modern teknikleri (simülasyon yazılımları, CAD/CAE araçları, MATLAB/Simulink, Labview programlama, mikroişlemci/mikrodenetleyici tabanlı sistemler) ve araçları seçme ve kullanma yeteneği; bilgi teknolojilerini, yapay zeka ve makine öğrenmesi araçlarını etkili bir şekilde kullanma yeteneği. | 2 |
| 5 | Karmaşık mekatronik sistemler veya süreçler (otonom sistemler, akıllı üretim sistemleri, robotik uygulamalar, sensör-aktüatör entegrasyonu) tasarlama ve yenilikçi, enerji verimli alternatifler geliştirme yeteneği. | 2 |
| 6 | Mekatronik sistemler için deney tasarlama ve yürütme, sensör verilerini toplama ve işleme, sistem davranışını modelleme ve simüle etme, veri analizi yapma ve Mekatronik Mühendisliği ile ilgili karmaşık problemlerle ilgili sonuçları yorumlama yeteneği. | 2 |
| 7 | Disipliniçi ve çok disiplinli (mekanik, elektrik-elektronik, yazılım, kontrol) takımlarda etkili iletişim kurarak çalışma, bağımsız araştırma yürütme ve proje ekiplerini yönetme yeteneği.
| 2 |
| 8 | Avrupa Dil Portföyü'nün B2 seviyesinde en az bir yabancı dil bilgisi (özellikle İngilizce); teknik rapor ve makale yazma yeteneği, uluslararası ortamlarda net ve anlaşılır teknik dokümantasyon hazırlama, sunum yapma ve mesleki iletişim kurma yeteneği. | 1 |
| 9 | Araştırma ve uygulama çalışmalarının sürecini ve sonuçlarını ulusal ve uluslararası ortamlarda (konferanslar, sempozyumlar, bilimsel dergiler) sistemli ve açık bir şekilde yazılı (makale, poster, teknik rapor) ve sözlü olarak sunabilme yeteneği. | 1 |
| 10 | Ömür boyu öğrenme ihtiyacının farkında olma; hızla gelişen teknolojilere (dijital dönüşüm, Endüstri 5.0, sürdürülebilir teknolojiler, yapay zeka) adapte olma, bilgiye erişme, bilim ve teknolojideki en son gelişmeleri takip etme ve sürekli güncel kalma yeteneği. | 1 |
| 11 | Veri toplama, sistem entegrasyonu, tartışma, sunum aşamalarında ve tüm mesleki faaliyetlerde sosyal, bilimsel, etik değerler ve siber güvenlik konularında farkındalık; teknolojinin toplumsal ve çevresel etkilerine duyarlılık. | 0 |