Filters

2020 - 20223
Reset filters

Settings

Has files: trueSubject: Internet of things

Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Master Thesis
    Akıllı Evler için Nesnelerin İnterneti (ıot) Tabanlı Referans Mimarisi Tasarımı ve Uygulaması
    (2022) Bello, Abdussamad; Karakaya, Ziya
    Birlikte Çalışabilirlik olarak adlandırılan; uygulamaların, sistemlerin, cihazların ve servislerin birlikte güvenilir ve tutarlı bir şekilde çalışabilmesi günümüz akıllı ev sistemlerinin en önemli sorunlarından biridir. Birlikte çalışabilirlik eksikliği ve buna eşlik eden teknolojik bölümlenme (yani, aynı ortamdaki farklı cihazların farklı uygulamalar ile yönetilmesi) akıllı ev geliştiricileri için büyük bir bariyer ve tüketicilerin ev ortamlarındaki IoT ürünlerini kabullenilmesine karşı direnç oluşturmaktadır. Bu çalışmanın amacı, birlikte çalışabilirliği artırırken akıllı ev ortamındaki cihaz ve hizmetlerden gelen verileri yönetecek, izleyecek ve işleyecek IoT tabanlı bir Akıllı Ev Referans Mimarisi oluşturmaktır. Bu çalışma aynı zamanda, FIWARE bileşenlerini kullanarak önerilen referans mimarisine uygun bir kavram kanıt çözümünü ortaya koymaktadır. Bu çalışmanın yürütülmesi sırasında mevcut çalışmalar ve sorunları analiz edilmiş, bunlara çözüm sunmak için ise yapıcı araştırma metodolojisi ve ProSA-RA süreci kullanılmıştır. Akıllı ev ekosistemindeki uçurumları kapatmak üzere akıllı ev geliştiricileri, mimarilerini, uygulamalarını ve cihazlarını oluştururken bu çalışmada önerilen referans mimariyi benimsemesi önerilmektedir. Anahtar Kelimeler: Nesneleri İterneti (IoT), Akıllı Ev Sistemleri, Referans Mimari, Akıllı Ev Kavram Kanıtı Uygulaması, FIWARE, ProSA-RA
  • Thumbnail Image
    Master Thesis
    A Conceptual Roadmap for the Fourth Industrial Revolution (industry 4.0) for Small and Medium-Sized Enterprises (smes)
    (2020) Summak, Ahmed; Erkan, Turan Erman
    Bu çalışmanın amacı, Endüstri 4.0'ın mevcut olgunluk modellerini gözden geçirmektir, ve Küçük ve Orta Ölçekli İşletmelerin (KOBİ'ler) ihtiyaca uygunluklarını doğrulamak, ve daha sonra KOBİ'ler için Endüstri 4.0'ın uygulanması için kavramsal bir yol haritası önermekteyiz. Bunu başarmak için, çalışma KOBİ'lerin özelliklerini ve Akıllı Üretimin (SM) doğru bir şekilde benimsenmesi için kapsanması gereken boşlukları göstermiştir. Çalışmanın sonuçları olarak, KOBİ'ler için sadece birkaç çalışmanın uygun olduğu tespit edilmiştir. Bu çalışmanın temel bulguları şunlardır:  Her bir KOBİ için kaynaklarına ve durumuna göre benzersiz bir plan sunulmalıdır. Bu plan öz değerlendirme sonuçlarıyla bağlantılı olmalıdır.  Gerçek durum vade düzeyinde tanımlanmalıdır, ve KOBİ'lerin çoğunda kaynak eksikliği nedeniyle, dolayısıyla (Level 0) bu yol haritasında verilmiştir. Ve bu seviyeden geçiş en zor aşama olacak.  KOBİ'ler için öz değerlendirme araçlarının önemini bulduk, ve bu araçların anlaşılması kolay olmalı, böylece şirket durumunu periyodik olarak kontrol edebilir. Bu çalışma, KOBİ'lerin amaçlarına ulaşmak için gerekli yol haritası ve stratejileri ile Endüstri 4.0'ın en uygun modelini geliştirmelerine yardımcı olduğundan, kültürdeki değişimi destekleyecektir.
  • Thumbnail Image
    Master Thesis
    Iot için Rapsberry Pi ve Usb Hızlandırıcı ile Derin Öğrenme Tabanlı Yüz Tanıma
    (2021) Yıldız, Kutay; Koyuncu, Murat
    Bilgisayar bilimi alanında derin öğrenme üzerine yapılan araştırmalar son zamanlarda oldukça arttı. Bir çok alanda tahmin performansı bazında derin öğrenme uygulamaları lider durumdadır, ancak, gerektirdiği yüksek işlemci gücü oldukça fazladır. Derin sinir ağı (DNN) modellerinin optimizasyonu üzerinde çalışan bir çok araştırma mevcuttur. Model optimizasyonuna ek olarak derin öğrenme tabanlı makine öğrenmesi (ML) uygulamalarına yönelik verimli güç kullanımı sağlayan özel donanımlar geliştirilmektedir. Bu çalışmanın amacı mobil platformlar için geliştirilmiş yüz tanıma algoritmalarının detaylı bir karşılaştırmasını yapmaktır. Testlerde Raspberry Pi ve makine öğrenmesi uygulamaları için geliştirilmiş Google's Coral Edge tensor işlem birimi (TPU) kullanıldı. Farklı yüz tanıma adımları (yüz tanıma, tipik nokta tanıma, öznitelik çıkarma) tek tek test edildi. Bireysel testlere ek olarak yüz tanıma hattı bir bütün olarak test edildi. Eğitim sonrası tamsayı indirgeme tekniği mobil modellerin daha ileri optimizasyonunun yapılabilirliğini test etmek amaçlı kullanıldı. Mobil platformlara ek olarak mobil olmayan platform üzerinde karşılaştırma amaçlı testler yapıldı. Raspberry Pi 4 TPU ile birlikte kullanıldığında DNN bazlı yüz tanıma uygulamalarında saniyede 14.7 kare hıza ulaşılabildi. Bu çalışmada sunulan karşılaştırma sonuçları yüz tanıma alanında çalışma yürüten uygulamacılara katkıda bulunabilir.