Please use this identifier to cite or link to this item: http://hdl.handle.net/11527/15602
Title: Implementation Of Knn, Mlp, Pca Algorithms On Cortex-m4 Based Embedded System For Enose Application
Other Titles: Elektronik Burun Uygulaması İçin MlP, PCA Ve KNN Algorıtmalarının Cortex M4 Tabanlı Bir Gömülü Sistem Üzerinde Gerçeklemeleri
Authors: Yalçın, Müştak Erhan
Ghorbani, Leila
10045002
Mekatronik Mühendisliği
Mechatronics Engineering
Keywords: KNN:K’ıncı Yakın Komşuluk
MLP
Çok Katmanlı Algılayıcı
PCA:Temel Bileşen Algoritması
PCA: principle Component Analysis
KNN : K Nearest Neighbor
MLP :  multi Layer Perceptron analysis
Issue Date: 21-Jul-2014
Publisher: Fen Bilimleri Enstitüsü
Institute of Science and Technology
Abstract: Elektronik burunlar farklı uygulama alanlarına sahip olan ve gittikçe popülerliği artan cihazlardır. Otomotiv, gıda güvenliği, biyomedikal, güvenlik, savunma ve uzay uygulamaları yanında çevre takibi gibi farklı uygulamalarda da kullanılmaktadırlar. Bu tez çalışmasındaki amaç koku takibi yapabilmek için mobil robotların üstüne yerleştirilebilen koku algılayabilen akıllı bir sistem geliştirmektir. Bu robot mayın tarama gibi güvenlik uygulamalarında kullanıma uygundur. Gaz kaçakları veya salınımları cihaz tarafından tespit edilebilir. Tezde önerilen sistem iki önemli kısımdan oluşmaktadır. İlk kısım algılayıcılardan oluşmaktadır. Algılayıcılar kısmında dört adet Figaro gaz algılayıcısı, bir algılayıcısı dizisi halinde yerleştirilmiştir. Algılayıcılardan alınan veri mikrodenetleyiciye aktarılır. Mikrodenetleyici üzerinde yer alan analog sayısal dönüştürücü (ADC) algılayıcılardan gelen analog sinyali sayısal sinyale dönüştürür. Elde edilen bu veri sonrasında analiz kısmında değerlendirilmektedir. Bu çalışmada üç önemli algoritma elde edilen verileri analiz etmek için kullanılmıştır. Sistem üzerinde uygulanan ilk algoritma K’ıncı yakın komşuluk (KNN) algoritmasıdır. Bu algoritma iyi bir perfomans sergilemektedir. İkinci algoritma bir yapay sinir ağı olan Çok Katmanlı Algılayıcının (MLP) gerçeklemesidir. Sensörlere ilişkin veri sayfasından elde edilen bilgilerle bir veri tabanı oluşturulmuştur. Daha sonrasında bu bilgiler Matlab’e verilerek çevrimdışı olarak eğitim yapılmıştır. Eğitimden elde edilen ağırlıklar MLP algoritmasında kullanılmıştır. Bu çalışmada etanol gazı referans gaz olarak seçilmiş, ve bu referansa göre veri kümesi oluşturulmuştur. Algoritma very kümesindeki örnekler ile eğitmiş daha sonrasında ise sisteme yeni örnekler sunularak algoritmanın testi sağlanmıştır. Sistem üzerinde denenen üçüncü algoritma Temel Bileşen Algoritmasıdır (PCA). PCA algoritması sistemin karakteristiklerini elde etmek için kullanılır. Elde edilen bu karakteristikler sonrasında başka algoritmalarda kullanılmaktadır. PCA algoritmasından elde edilen sonuçlar KNN algoritmasında kullanılmıştır. Bu çalışmanın temel amacı algoritmaların gömülü bir sistem üzerinde gerçeklenmesidir. Tezde gömülü sistem olarak Cortex™-M4 tipi miktrodenetleyici içeren STM32F407 serisi gömülü sistem secilmiştir. Algoritmalar hareketli bir robot üzerine yerleştirmeye izin verecek bir gömülü sistem üzerinde gerçeklenmişlerdir. Gerçeklenen algoritmalar, eğitilmiş gazların varlığı durumunda uyarı vermekte ve ilgilenilen gazların miktarını ölçe bilmektedirler
Electronic noses are popular devices nowadays; various applications can be defined for them. They are used in different context like Automotive, Food safety, Telemedicine, Emergency Response , Military and Space, Environmental monitoring. The goal in this thesis is designing an intelligence system that is able to detect odor and have capability to be attached on mobile robot to tracking odors. This robot can be used in security or mining applications. Any gas leakage or emission can be distinguished by the system. The system is composed of two important parts. The first part is sensing part which consists of four Figaro gas sensors is used as a sensor array. Data from sensing part then is transferred to microcontroller. ADC of microcontroller convert analog signal to digital form. These data then is used in the second part of the system that is analyzing part. In this part three algorithms have been used to analyze sensor data.  The first algorithm which is implemented on the system is K Nearest Neighbor (K-NN) algorithms. This algorithm shows good level of performance. Second algorithm is implementation of Multi Layer Perceptron (MLP), we first train system by samples and then new data is given to the algorithm. Using complex and capability of MLP algorithm enables us to analyze data precisely. Database for the training is extracted from datasheet of the sensors. This information then is given to Matlab program, and training be done offline. Weights that are achieved from training are used in Multi Layer Perceptron (MLP) algorithm. According to graphs of datasheet, the ethanol gas has been selected as reference gas, and dataset have been generated based on this gas. Third algorithm that be applied on system is Principle Component Analysis (PCA). PCA algorithm is used to extract feature of system then the outcome can be used by other algorithms. In this thesis, the result of PCA is used in KNN algorithm.  The main purposes of this work is the implementations of the algorithms on embedded system. In this thesis STM32F407 series embedded system which includes a Cortex™-M4 microcontroller is chosen. The algorithms have been implemented on this embedded system which is ready to integrate a mobile robot. The implemented algorithms on the embedded system are alerted the existence of the trained gases and measured the value of the interested gases.
Description: Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2014
Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2014
URI: http://hdl.handle.net/11527/15602
Appears in Collections:Mekatronik Mühendisliği Lisansüstü Programı - Yüksek Lisans

Files in This Item:
File Description SizeFormat 
10045002.pdf2.12 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.