Arda Sezen

Sezen, Arda

Profile URL

https://hdl.handle.net/20.500.14411/6766

Name Variants

A., Sezen
A.,Sezen
Sezen,A.
S.,Arda
S., Arda
Arda Sezen
Sezen,Arda
Sezen, Arda
Arda, Sezen

Job Title

Yardımcı Doçent

Email Address

arda.sezen@atilim.edu.tr

Main Affiliation

Computer Engineering

ORCID ID

0000-0002-7615-3623

Full item page

Sustainable Development Goals

SDG data is not available

This researcher does not have a Scopus ID.

This researcher does not have a WoS ID.

Scholarly Output

11

Articles

6

Views / Downloads

28/52

Supervised MSc Theses

4

Supervised PhD Theses

1

WoS Citation Count

7

Scopus Citation Count

39

Patents

0

Projects

1

WoS Citations per Publication

0.64

Scopus Citations per Publication

3.55

Open Access Source

5

Supervised Theses

5

Journal	Count
International Journal of Computational and Experimental Science and Engineering	3
Bilişim Teknolojileri Dergisi	1
Evolutionary Intelligence	1
IEEE Access	1

Page Size:

Current Page: 1 / 1

Scopus Quartile Distribution

Competency Cloud

Scholarly Output Search Results

Now showing 1 - 1 of 1

Baskı Devre Kartı (PCB) Üretiminde Hata Tespiti için Veri Arttırma Tekniklerinin Karşılaştırmalı Bir Çalışması: Sınırlı Veri Setleri için En İyi Yaklaşımların Belirlenmesi
(2024) Ural, Doğan Irmak; Sezen, Arda
Elektronik üretim sektörünün hızla genişlemesiyle birlikte, baskılı devre kartlarında (PCB'ler) hata tespiti, kalite güvencesinin kritik bir unsuru haline gelmiştir. Evrişimli sinir ağları (CNN'ler) ve YOLOv8 gibi derin öğrenme modelleri, otomatik hata tespitinde önemli ilerlemeler kaydetmiş olsa da, bu modellerin başarısı genellikle büyük ve yüksek kaliteli veri kümelerinin sınırlı olmasıyla engellenmektedir. Bu çalışma, veri kümelerinin sınırlı olduğu durumlarda, özellikle küçük nesne tespitine odaklanarak, farklı veri artırma tekniklerinin PCB'lerde hata tespit doğruluğunu nasıl etkilediğini incelemektedir. Bir dizi kontrollü deney yoluyla, görüntü tabanlı ve sınırlayıcı kutu (bounding box) tabanlı veri artırma stratejilerini sistematik olarak karşılaştırdık. Sonuçlar, orta düzeyde gürültü ekleme, hafif döndürmeler ve ince renk ayarları gibi dengeli artırma yöntemlerinin tespit performansını önemli ölçüde artırdığını göstermektedir. Buna karşılık, büyük döndürmeler ve ters çevirme gibi daha agresif artırma tekniklerinin doğruluğu olumsuz etkilediği bulunmuştur. Bu bulgular, dengeli artırma tekniklerinin küçük veri kümelerinin getirdiği sınırlamaları aşmaya yardımcı olabileceğini ve PCB üreticilerine, geniş veri setlerine ihtiyaç duymadan, hata tespit doğruluğunu artırmak için etkili bir yol sunduğunu göstermektedir. Sonuç olarak, çalışma, iyileştirilmiş artırma tekniklerinin, kesinlik, duyarlılık, mAP50 ve F1 skoru gibi temel performans metriklerinde maksimum %11'lik önemli bir artış sağladığını ve tespit doğruluğunu %88'den olağanüstü bir şekilde %99'a çıkardığını göstermektedir.