Search

Sanayileşmenin artması ile birlikte insan ve bina sayısındaki artış soğutma sistemlerine olan ihtiyacı da arttırmıştır. Soğutma sistemlerinin bakımı, ortaya çıkan arızalar ve bunların geç tespit edilmesi zaman maliyet sorunlarına yol açmaktadır. Soğutma sisteminin performansının düşmesi ya da arıza durumlarının oluşması enerji sarfiyatının yanında ekonomik maliyete de neden olmaktadır. Bu nedenle bu çalışmada, soğutma sisteminde oluşabilecek arızaları tespit etmek için, kızılötesi görüntüleme kullanılarak yüzeysel sıcaklık değişimlerinin incelenmesi önerilmektedir. İlk olarak sistemin arka plan görüntüsü çıkarıldıktan sonra, görüntüler 25 alt bölgeye ayrılmaktadır. Soğutma sisteminde önemli görevleri olan elemanları içeren 9 alt bölge, arıza incelemesini kolaylaştırmak ve çalışmanın işlem hızını artırmak amacı ile seçilmiştir. Seçilen her bölge için maksimum yüzey sıcaklık, minimum yüzey sıcaklığı, ortalama ve en yoğun yüzey sıcaklığı olmak üzere 4 öznitelik elde edilmektedir. Soğutma sisteminden alınan yüzey sıcaklık verileri kutu ve çizgi grafikleri ile analiz edilmiş, arızalar türleri ile birlikte değerlendirilmiştir. Bu çalışmada, arıza çeşitlerinin yüzey deki değişim özellikleri ortaya çıkartılarak, ele alınan tüm arıza türlerinin değerlendirilmesi mükemmel sonuçlarla gerçekleştirilmiştir. Geleneksel basınç, sıcaklık ve elektriksel ölçmeler ile arıza belirleme yöntemlerine göre, gerçekleştirilen sistemin kullanım kolaylığı, uzaktan ölçüm ve eş zamanlı kayıt alma gibi özelliklerinden dolayı daha avantajlı olduğunu göstermiştir.

Gravitational Search Algorithm (GSA) is based on the acceleration trend feature of objects with a mass towards each other and includes many interdependent parameters. The gravitational constant among these parameters influences the speeds and positions of the agents, meaning that the search capability depends on the largescale gravitational constant. The proposed new algorithm, which was obtained with the use of two operators at different times of the call and sequentially doing works, was named as Sequentially Modified ‎ Gravitational Search Algorithm (SMGSA). SMGSA is applied to 10 basic and 6 composite benchmark functions. Each function is run 30 times and the best, mean and median values are obtained. The achieved results are compared with the Genetic Algorithm (GA), Particle Swarm Optimization (PSO) and GSA among the heuristic optimization algorithms. Between GSA and the operator for each function convergence speed, standard deviation and graphical comparisons are included. Beside this, by using the Wilcoxon signed rank test, the comparison of the averages of the data as two dependent groups of GSA and the new operators is performed. It is seen that the obtained results provided better results than the other methods. Additionally, in this study, SMGSA was applied to the transformation function among image enhancement techniques which are engineering applications. The success of this method has been increased by optimizing the parameters of the transformation function used. Effective improvement has been achieved in terms of both visual and information quality.

Bu çalışmada, Yusufçuk Algoritması (YA) kullanarak renkli görüntülerde eşik yöntemi ile kenar belirleme ve bölütleme gerçekleştirilmiştir. Kenar belirleme, görüntüdeki nesnelerin sınırlarını belirleme işlemini, bölütleme ise görüntü piksel yoğunluklarının önceden belirlenmiş sınıflara ayrılma işlemini yapmaktadır. Her iki işlem de görüntü üzerinden özellik çıkartma, görüntü tanıma ve nesne sınıflandırma gibi uygulamalarda ön işlem özelliklerini taşımaktadır.Kenar Belirleme ve bölütleme metotlarından en kolay uygulanabilir olanlarından biri olan eşikleme yönteminin uygulanabilmesi için ilk olarak, renkli görüntüden iki boyutlu bağıntı matrisine dayalı Benzerlik Görüntüsü (BG) elde edilmiştir. Elde edilen benzerlik görüntüsü üzerinde en uygun eşik değer seçimi için amaç fonksiyonu olarak Kapur ve Otsu'nun metotları kullanılmıştır. Optimizasyon safhasından sonra, en iyi eşik değerler çoklu eşik bölütleme metoduna uygulanarak sınıflara ayrılmış görüntü ve kenarlar elde edilmiştir. Elde edilen sayısal ve görsel uygulama sonuçları, literatürde yer alan yerçekimi arama algoritması (YAA) ve Harmoni Arama Algoritması (HAA) ile karşılaştırılmıştır. Gerçekleştirilen çalışmanın sonuçları önerilen algoritmanın sayısal görüntü bölütleme ve kenar belirleme de güçlü olduğunu göstermiştir.

Bu çalışmada, Yusufçuk Algoritması (YA) kullanarak renkli görüntülerde eşik yöntemi ile kenar belirleme ve bölütleme gerçekleştirilmiştir. Kenar belirleme, görüntüdeki nesnelerin sınırlarını belirleme işlemini, bölütleme ise görüntü piksel yoğunluklarının önceden belirlenmiş sınıflara ayrılma işlemini yapmaktadır. Her iki işlem de görüntü üzerinden özellik çıkartma, görüntü tanıma ve nesne sınıflandırma gibi uygulamalarda ön işlem özelliklerini taşımaktadır.Kenar Belirleme ve bölütleme metotlarından en kolay uygulanabilir olanlarından biri olan eşikleme yönteminin uygulanabilmesi için ilk olarak, renkli görüntüden iki boyutlu bağıntı matrisine dayalı Benzerlik Görüntüsü (BG) elde edilmiştir. Elde edilen benzerlik görüntüsü üzerinde en uygun eşik değer seçimi için amaç fonksiyonu olarak Kapur ve Otsu'nun metotları kullanılmıştır. Optimizasyon safhasından sonra, en iyi eşik değerler çoklu eşik bölütleme metoduna uygulanarak sınıflara ayrılmış görüntü ve kenarlar elde edilmiştir. Elde edilen sayısal ve görsel uygulama sonuçları, literatürde yer alan yerçekimi arama algoritması (YAA) ve Harmoni Arama Algoritması (HAA) ile karşılaştırılmıştır. Gerçekleştirilen çalışmanın sonuçları önerilen algoritmanın sayısal görüntü bölütleme ve kenar belirleme de güçlü olduğunu göstermiştir.

Bu çalışmada, Yusufçuk Algoritması (YA) kullanarak renkli görüntülerde eşik yöntemi ile kenar belirleme ve bölütleme gerçekleştirilmiştir. Kenar belirleme, görüntüdeki nesnelerin sınırlarını belirleme işlemini, bölütleme ise görüntü piksel yoğunluklarının önceden belirlenmiş sınıflara ayrılma işlemini yapmaktadır. Her iki işlem de görüntü üzerinden özellik çıkartma, görüntü tanıma ve nesne sınıflandırma gibi uygulamalarda ön işlem özelliklerini taşımaktadır.Kenar Belirleme ve bölütleme metotlarından en kolay uygulanabilir olanlarından biri olan eşikleme yönteminin uygulanabilmesi için ilk olarak, renkli görüntüden iki boyutlu bağıntı matrisine dayalı Benzerlik Görüntüsü (BG) elde edilmiştir. Elde edilen benzerlik görüntüsü üzerinde en uygun eşik değer seçimi için amaç fonksiyonu olarak Kapur ve Otsu'nun metotları kullanılmıştır. Optimizasyon safhasından sonra, en iyi eşik değerler çoklu eşik bölütleme metoduna uygulanarak sınıflara ayrılmış görüntü ve kenarlar elde edilmiştir. Elde edilen sayısal ve görsel uygulama sonuçları, literatürde yer alan yerçekimi arama algoritması (YAA) ve Harmoni Arama Algoritması (HAA) ile karşılaştırılmıştır. Gerçekleştirilen çalışmanın sonuçları önerilen algoritmanın sayısal görüntü bölütleme ve kenar belirleme de güçlü olduğunu göstermiştir.

Bu çalışmada, Yusufçuk Algoritması (YA) kullanarak renkli görüntülerde eşik yöntemi ile kenar belirleme ve bölütleme gerçekleştirilmiştir. Kenar belirleme, görüntüdeki nesnelerin sınırlarını belirleme işlemini, bölütleme ise görüntü piksel yoğunluklarının önceden belirlenmiş sınıflara ayrılma işlemini yapmaktadır. Her iki işlem de görüntü üzerinden özellik çıkartma, görüntü tanıma ve nesne sınıflandırma gibi uygulamalarda ön işlem özelliklerini taşımaktadır.Kenar Belirleme ve bölütleme metotlarından en kolay uygulanabilir olanlarından biri olan eşikleme yönteminin uygulanabilmesi için ilk olarak, renkli görüntüden iki boyutlu bağıntı matrisine dayalı Benzerlik Görüntüsü (BG) elde edilmiştir. Elde edilen benzerlik görüntüsü üzerinde en uygun eşik değer seçimi için amaç fonksiyonu olarak Kapur ve Otsu'nun metotları kullanılmıştır. Optimizasyon safhasından sonra, en iyi eşik değerler çoklu eşik bölütleme metoduna uygulanarak sınıflara ayrılmış görüntü ve kenarlar elde edilmiştir. Elde edilen sayısal ve görsel uygulama sonuçları, literatürde yer alan yerçekimi arama algoritması (YAA) ve Harmoni Arama Algoritması (HAA) ile karşılaştırılmıştır. Gerçekleştirilen çalışmanın sonuçları önerilen algoritmanın sayısal görüntü bölütleme ve kenar belirleme de güçlü olduğunu göstermiştir.