Derin Öğrenme ile Nesne Tanıyan Robot Uygulaması

Abstract

Günümüzde birçok farklı alanda insanlara fayda sağlamak için teknolojik cihazlar ve robotlar kullanılmaktadır. Özellikle askeri alanda insan hayatının riske girebileceği ortamlarda robotlar yardımıyla, hayati riskler minimize edilmek istenilmektedir. Askeri operasyonlarda bir binaya keşif amaçlı bir insanın girmesi oldukça riskli bir durumdur. Bu çalışmada bu tür riskli durumlarda insanın keşif yapması yerine uzaktan kontrol edilebilen, gördüğü nesneleri tanıyabilen ve tanıdığı nesneleri kontrol ekranında gösteren bir robot tasarlanmıştır. Bu çalışmada geliştirilen robot nesne tanımak için Google tarafından geliştirilen TensorFlow derin öğrenme kütüphanesini kullanmaktadır. Python diliyle geliştirilen yazılım robot üzerinde bulunan Raspberry Pi3/B mini bilgisayarı üzerinde çalıştırılmıştır. Robot hareketi için DC motorlardan faydalanılmıştır. Raspberry Pi3/B mini bilgisayarı üzerindeki GPIO pinleri ile motor sürücü devresine sinyal gönderilerek robotun hareketlerinin kontrol edilebilmesi sağlanılmıştır. Yapılan prototipin testlerinde nesneleri çoğunlukla başarılı şekilde tanınabildiği ve uygun ışık ortamında başarı oranının arttığı gözlemlenmiştir.

Today, technological devices and robots are used to benefit in many different areas. In environments where people of other military field may be at risk, vital risks are desired to be minimized for robots. It is very risky for a person to enter a building for reconnaissance purposes during military operations. It is the place where this kind of risky person learns a robot that can be remotely controlled, recognize the text he sees, and display the text control text he knows, instead of making exploration. In this structure, the robot uses the TensorFlow deep learning library offered by Google to recognize objects. It was run on the Raspberry Pi3/B minicomputer on the software with the language of Python. DC motors are used for robot movement. In Raspberry Pi3/B minicomputer, the robot's movements can be controlled by sending a signal to the motor driver circuit with GPIO pins. In the tests of the prototype, it has been observed that the guarantee of success in the distribution area has increased.