Level measurement in grain silos with extreme learning machine algorithm

Basit Öğe Kaydı
dc.authorid0000-0002-2748-0660en_US
dc.authorid0000-0002-0960-5335en_US
dc.contributor.authorDuysak, Hüseyin
dc.contributor.authorYiğit, Enes
dc.date.accessioned2019-12-06T21:15:16Z
dc.date.available2019-12-06T21:15:16Z
dc.date.issued2019
dc.departmentKMÜ, Mühendislik Fakültesi, Elektrik Elektronik Mühendisliği Bölümüen_US
dc.descriptionInternational Scientific Meeting on Electrical-Electronics and Biomedical Engineering and Computer Science (EBBT) -- APR 24-26, 2019 -- Istanbul Arel Univ, Kemal Gozukara Campus, Istanbul, TURKEYen_US
dc.descriptionWOS:000491430200052en_US
dc.description.abstractIn this study, a new method based on a machine learning technique to detect the amount of grain in silos with radar is proposed. In order to carry out the measurements in the laboratory environment, a model silo corresponding to 8% of the actual commercial silo was produced by a 3D printer and the radar measurements were performed in the frequency band of 18 - 40 GHz. In the proposed method, 2000 back scattering information belonging to different levels of grain were collected and they were used as input data to the extreme learning machine (ELM). The accuracy of the algorithm was obtained by K-fold cross validation technique. As a result, the ELM algorithm was determined the grain amount with an accuracy rate of 84%. The results show that the measurement system based on machine learning is more practical than traditional methods.en_US
dc.description.abstractBu çalışmada silolardaki tahılın miktarının radarla hassas bir şekilde tespitine dair, makine öğrenimi tekniğine dayanan yeni bir yöntem önerilmiştir. Ölçümlerin laboratuvar ortamında gerçekleştirilebilmesi içini, elektromanyetik ölçekleme yöntemiyle gerçek ticari bir silonun %8 oranındaki modeli, 3B yazıcı ile üretilmiş ve radar ölçümleri 18 – 40 GHz frekans bandında gerçekleştirilmiştir. Önerilen yöntemde, aşırı öğrenme makinesi (AÖM) tekniği kullanılarak farklı seviyelerdeki tahıllara ait 2000 radar saçılım bilgisi toplanmış ve AÖM algoritmasına girdi olarak verilmiştir. Algoritmanın doğruluğu K katlamalı çapraz doğrulama tekniği ile elde edilmiştir. AÖM algoritması ile tahıl miktarı %84’ lük doğruluk oranıyla belirlenmiştir. Elde edilen sonuçlar, makine öğrenimine dayalı ölçüm sisteminin geleneksel yöntemlere kıyasla daha pratik olduğunu göstermektedir.en_US
dc.description.sponsorshipIEEE Turkey Sect, IEEE EMB, Erasmus+, Europassen_US
dc.identifier.citationDuysak, H., Yiğit, E. (2019). Level measurement in grain silos with extreme learning machine algorithm. 2019 Scientific Meeting on Electrical-Electronics & Biomedical Engineering and Computer Science (EBBT), Istanbul, Turkey, 2019, pp. 1-4.en_US
dc.identifier.doi10.1109/EBBT.2019.8742047
dc.identifier.isbn978-1-7281-1013-4
dc.identifier.scopus2-s2.0-85068550095
dc.identifier.scopusqualityN/A
dc.identifier.urihttps://hdl.handle.net/11492/2516
dc.identifier.urihttps://doi.org/10.1109/EBBT.2019.8742047
dc.identifier.wosWOS:000491430200052
dc.identifier.wosqualityN/A
dc.indekslendigikaynakWeb of Sceince
dc.indekslendigikaynakScopus
dc.institutionauthorDuysak, Hüseyin
dc.institutionauthorYiğit, Enes
dc.language.isotr
dc.publisherIEEEen_US
dc.relation.journal2019 Scientific Meeting On Electrical-Electronics & Biomedical Engineering And Computer Science (EBBT)en_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectGrain Level Measurementen_US
dc.subjectRadaren_US
dc.subjectArtificial Intelligence Techniquesen_US
dc.subjectExtreme Learning Machineen_US
dc.subjectTahıl Seviye Tespitien_US
dc.subjectRadaren_US
dc.subjectYapay Zeka Tekniklerien_US
dc.subjectAşırı Öğrenme Makinesien_US
dc.titleLevel measurement in grain silos with extreme learning machine algorithmen_US
dc.title.alternativeAşırı öğrenme makinesi algoritmasıyla tahıl silolarında seviye ölçümüen_US
dc.typeConference Object

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
[ X ]
İsim:
Duysak, Huseyin 2019.pdf
Boyut:
696.5 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin/Full text
İndir

Koleksiyon

WoS İndeksli Yayınlar Koleksiyonu
Elektrik Elektronik Mühendisliği Bölümü, Makale Koleksiyonu
Scopus İndeksli Yayınlar Koleksiyonu