Araştırma Makalesi
BibTex RIS Kaynak Göster

Automatic Target Recognition with Laser Signs

Yıl 2018, Cilt: 1 Sayı: 3, 1 - 10, 18.12.2018

Nevzat Olgun İbrahim Türkoğlu

https://doi.org/10.35377/saucis.01.03.485235

Öz

Together with the developing technology, there has been a rapid increase in the number of studies on automatic identification and classification of targets. Cameras, radars and sonar systems are traditionally used in target identification problems. In these methods, the identification and classification of the targets are made by means of people or computer systems by taking their distinctive features into account. In this study, it is recommended to define and classify targets pointed with laser by using a single laser light source and detecting system, as opposed to conventional methods. The results obtained from the experimental studies made with the proposed system show that the approach of target detection by laser light points gives successful results.

Anahtar Kelimeler

laser target identification artificial intelligence machine learning

Kaynakça

  • H. Kaushal ve G. Kaddoum, “Applications of Lasers for Tactical Military Operations”, IEEE Access, c. 5, ss. 20736–20753, 2017.
  • Peter W. Milonni ve Joseph H. Eberly, Laser Physics, 2. baskı. ohn Wiley & Sons, Incorporated, 2010.
  • R. Uğur ERTEM, “Investiıgation Of The Effect Of The Laser Welding Parameters Change On Welding Seam For Stainless Steel”, J. Eng. Nat. Sci., c. 31, ss. 583–593, 2013.
  • Ronald D. Schaeffer, “Laser beam’s wavelength determines its ‘color’ | MICROmanufacturing”, 2013. [Çevrimiçi]. Url : http://mic-mfg.com/content/laser-beam’s-wavelength-determines-its-‘color’. [Erişim: 12-Mar-2018].
  • H. Xuan, H. Igarashi, S. Ito, C. Qu, Z. Zhao, ve Y. Kobayashi, “High-Power, Solid-State, Deep Ultraviolet Laser Generation”, Appl. Sci., c. 8, sayı 2, s. 233, Şub. 2018.
  • “061413_0904_1.jpg”. [Çevrimiçi]. Url : http://cfile8.uf.tistory.com/image/21646D3B51BADCAE371DD3. [Erişim: 12-Mar-2018].
  • S. Yazdanfar, M. D. Kulkarni, ve J. A. Izatt, “High resolution imaging of in vivo cardiac dynamics using color Doppler optical coherence tomography”, Opt. Express, c. 1, sayı 13, s. 424, Ara. 1997.
  • G. Berkovic ve E. Shafir, “Optical methods for distance and displacement measurements”, Adv. Opt. Photonics, c. 4, sayı 4, s. 441, Ara. 2012.
  • C.-C. Wang vd., “Human life signs detection using high-sensitivity pulsed laser vibrometer”, IEEE Sens. J., c. 7, sayı 9, ss. 1370–1376, Eyl. 2007.
  • C. Wang, S. Trivedi, S. Kutcher, P. Rodriguez, ve F. Jin, “Non-Contact Human Cardiac Activity Monitoring Using a High Sensitivity Pulsed Laser Vibrometer”, ss. 6–7, 2011.
  • A. F. Fercher, “Optical coherence tomography”, J. Biomed. Opt., c. 1, sayı 2, s. 157, 1996.
  • P. Rodriguez vd., “Pulsed-laser vibrometer using photoelectromotive-force sensors”, Appl. Phys. Lett., c. 83, sayı 9, ss. 1893–1895, Eyl. 2003.
  • C. C. Wang, S. Trivedi, F. Jin, V. Swaminathan, P. Rodriguez, ve N. S. Prasad, “High sensitivity pulsed laser vibrometer and its application as a laser microphone”, Appl. Phys. Lett., c. 94, sayı 5, s. 051112, Şub. 2009.
  • P. Lutzmann, B. Göhler, F. van Putten, ve C. A. Hill, “Laser vibration sensing: overview and applications”, 2011, s. 818602.
  • P. Lutzmann, B. Göhler, C. A. Hill, ve F. van Putten, “Laser vibration sensing at Fraunhofer IOSB: review and applications”, Opt. Eng., c. 56, sayı 3, s. 031215, 2016.
  • H. Tabatabai, D. E. Oliver, J. W. Rohrbaugh, ve C. Papadopoulos, “Novel Applications of Laser Doppler Vibration Measurements to Medical Imaging”, Sens. Imaging An Int. J., c. 14, sayı 1–2, ss. 13–28, Haz. 2013.
  • M. De Melis, U. Morbiducci, ve L. Scalise, “Identification of cardiac events by Optical Vibrocardiograpy: Comparison with Phonocardiography”, içinde Annual International Conference of the IEEE Engineering in Medicine and Biology - Proceedings, 2007.
  • L. Scalise ve U. Morbiducci, “Non-contact cardiac monitoring from carotid artery using optical vibrocardiography.”, Med. Eng. Phys., c. 30, sayı 4, ss. 490–7, May. 2008.
  • O. Steinvall, “A Review of Laser Range Profiling for Target Recognition”, içinde Reference Module in Materials Science and Materials Engineering, Elsevier, 2017.
  • M. R. Ward, T. J. Bihl, ve K. W. Bauer, “Vibrometry-based vehicle identification framework using nonlinear autoregressive neural networks and decision fusion”, içinde IEEE National Aerospace and Electronics Conference, 2014, ss. 180–185.
  • M. Marsalli, “McCulloch-Pitts Neurons (Overview)”. [Çevrimiçi]. Url : http://www.mind.ilstu.edu/curriculum/modOverview.php?modGUI=212. [Erişim: 30-Eki-2018].
  • “Yapay Sinir Ağları, Yapay Sinir Ağları Nasıl Oluşur - psikolojik.gen.tr”. [Çevrimiçi]. Url : https://www.psikolojik.gen.tr/yapay-sinir-aglari.html. [Erişim: 30-Eki-2018].
  • A. Arı, M. Erşen Berberler, D. Eylül Üniversitesi, B. Bilimleri Bölümü Murat Erşen Berberler, ve B. Bilimleri Bölümü, “ACTA INFOLOGICA-2017-1 (2) Yapay Sinir Ağları ile Tahmin ve Sınıflandırma Problemlerinin Çözümü İçin Arayüz Tasarımı Information of Author(s)”, 2017.
  • И. Амохин, “Laser tape reverse engineering”, 2018. [Çevrimiçi]. Url :: https://github.com/iliasam/Laser_tape_reverse_engineering. [Erişim: 31-Eki-2018].
  • STMicroelectronics, “STM32F100 Value Line - STMicroelectronics”, STMicroelectronics, 2018. [Çevrimiçi]. Url :https://www.st.com/en/microcontrollers/stm32f100-value-line.html?querycriteria=productId=LN775. [Erişim: 30-Eki-2018].
  • Silicon Labs, Si5351a/b/c-b I2C-Programmable Any-Frequency Cmos Clock Generator + Vcxo Features Applications Description. 2018.
  • T. Demirdelen vd., “Şebekeye Bağlı Sistemler İçin Üç Faz ve Tek Faz PLL’lerin Performans Değerlendirmesi”, 5. Enerj. Veriml. ve Kalitesi Sempozyumu -EVK 2013, sayı 3, ss. 5–9, 2013.

Lazer İşaretleri İle Otomatik Hedef Tanıma

Yıl 2018, Cilt: 1 Sayı: 3, 1 - 10, 18.12.2018

Nevzat Olgun İbrahim Türkoğlu

https://doi.org/10.35377/saucis.01.03.485235

Öz

Gelişen teknoloji ile birlikte hedeflerin otomatik olarak
tanımlanması ve sınıflandırılması üzerine yapılan çalışmaların sayısında da hızlı
bir artış yaşanmıştır. Hedef tanımlama problemlerinde geleneksel olarak
kameralar, radarlar ve sonar sistemleri kullanılmaktadır. Bu yöntemlerde
nesnelerin ayırt edici özellikleri dikkate alınarak tanımlama ve sınıflandırma
işlemleri insanlar veya bilgisayar sistemleri aracılığı ile yapılmaktadır.  Bu çalışmada geleneksel yöntemlerin aksine
tek bir lazer ışık kaynağı ve algılayıcı sistem kullanılarak lazer ile işaretlenen
hedeflerin tanımlanması ve sınıflandırılması önerilmektedir. Önerilen sistem
ile yapılan deneysel çalışmalarda elde edilen sonuçlar, lazer işaretleri ile
hedef tespiti yaklaşımının başarılı sonuçlar verdiğini göstermektedir.

Anahtar Kelimeler

lazer hedef tanımlama yapay zekâ makine öğrenmesi

Kaynakça

  • H. Kaushal ve G. Kaddoum, “Applications of Lasers for Tactical Military Operations”, IEEE Access, c. 5, ss. 20736–20753, 2017.
  • Peter W. Milonni ve Joseph H. Eberly, Laser Physics, 2. baskı. ohn Wiley & Sons, Incorporated, 2010.
  • R. Uğur ERTEM, “Investiıgation Of The Effect Of The Laser Welding Parameters Change On Welding Seam For Stainless Steel”, J. Eng. Nat. Sci., c. 31, ss. 583–593, 2013.
  • Ronald D. Schaeffer, “Laser beam’s wavelength determines its ‘color’ | MICROmanufacturing”, 2013. [Çevrimiçi]. Url : http://mic-mfg.com/content/laser-beam’s-wavelength-determines-its-‘color’. [Erişim: 12-Mar-2018].
  • H. Xuan, H. Igarashi, S. Ito, C. Qu, Z. Zhao, ve Y. Kobayashi, “High-Power, Solid-State, Deep Ultraviolet Laser Generation”, Appl. Sci., c. 8, sayı 2, s. 233, Şub. 2018.
  • “061413_0904_1.jpg”. [Çevrimiçi]. Url : http://cfile8.uf.tistory.com/image/21646D3B51BADCAE371DD3. [Erişim: 12-Mar-2018].
  • S. Yazdanfar, M. D. Kulkarni, ve J. A. Izatt, “High resolution imaging of in vivo cardiac dynamics using color Doppler optical coherence tomography”, Opt. Express, c. 1, sayı 13, s. 424, Ara. 1997.
  • G. Berkovic ve E. Shafir, “Optical methods for distance and displacement measurements”, Adv. Opt. Photonics, c. 4, sayı 4, s. 441, Ara. 2012.
  • C.-C. Wang vd., “Human life signs detection using high-sensitivity pulsed laser vibrometer”, IEEE Sens. J., c. 7, sayı 9, ss. 1370–1376, Eyl. 2007.
  • C. Wang, S. Trivedi, S. Kutcher, P. Rodriguez, ve F. Jin, “Non-Contact Human Cardiac Activity Monitoring Using a High Sensitivity Pulsed Laser Vibrometer”, ss. 6–7, 2011.
  • A. F. Fercher, “Optical coherence tomography”, J. Biomed. Opt., c. 1, sayı 2, s. 157, 1996.
  • P. Rodriguez vd., “Pulsed-laser vibrometer using photoelectromotive-force sensors”, Appl. Phys. Lett., c. 83, sayı 9, ss. 1893–1895, Eyl. 2003.
  • C. C. Wang, S. Trivedi, F. Jin, V. Swaminathan, P. Rodriguez, ve N. S. Prasad, “High sensitivity pulsed laser vibrometer and its application as a laser microphone”, Appl. Phys. Lett., c. 94, sayı 5, s. 051112, Şub. 2009.
  • P. Lutzmann, B. Göhler, F. van Putten, ve C. A. Hill, “Laser vibration sensing: overview and applications”, 2011, s. 818602.
  • P. Lutzmann, B. Göhler, C. A. Hill, ve F. van Putten, “Laser vibration sensing at Fraunhofer IOSB: review and applications”, Opt. Eng., c. 56, sayı 3, s. 031215, 2016.
  • H. Tabatabai, D. E. Oliver, J. W. Rohrbaugh, ve C. Papadopoulos, “Novel Applications of Laser Doppler Vibration Measurements to Medical Imaging”, Sens. Imaging An Int. J., c. 14, sayı 1–2, ss. 13–28, Haz. 2013.
  • M. De Melis, U. Morbiducci, ve L. Scalise, “Identification of cardiac events by Optical Vibrocardiograpy: Comparison with Phonocardiography”, içinde Annual International Conference of the IEEE Engineering in Medicine and Biology - Proceedings, 2007.
  • L. Scalise ve U. Morbiducci, “Non-contact cardiac monitoring from carotid artery using optical vibrocardiography.”, Med. Eng. Phys., c. 30, sayı 4, ss. 490–7, May. 2008.
  • O. Steinvall, “A Review of Laser Range Profiling for Target Recognition”, içinde Reference Module in Materials Science and Materials Engineering, Elsevier, 2017.
  • M. R. Ward, T. J. Bihl, ve K. W. Bauer, “Vibrometry-based vehicle identification framework using nonlinear autoregressive neural networks and decision fusion”, içinde IEEE National Aerospace and Electronics Conference, 2014, ss. 180–185.
  • M. Marsalli, “McCulloch-Pitts Neurons (Overview)”. [Çevrimiçi]. Url : http://www.mind.ilstu.edu/curriculum/modOverview.php?modGUI=212. [Erişim: 30-Eki-2018].
  • “Yapay Sinir Ağları, Yapay Sinir Ağları Nasıl Oluşur - psikolojik.gen.tr”. [Çevrimiçi]. Url : https://www.psikolojik.gen.tr/yapay-sinir-aglari.html. [Erişim: 30-Eki-2018].
  • A. Arı, M. Erşen Berberler, D. Eylül Üniversitesi, B. Bilimleri Bölümü Murat Erşen Berberler, ve B. Bilimleri Bölümü, “ACTA INFOLOGICA-2017-1 (2) Yapay Sinir Ağları ile Tahmin ve Sınıflandırma Problemlerinin Çözümü İçin Arayüz Tasarımı Information of Author(s)”, 2017.
  • И. Амохин, “Laser tape reverse engineering”, 2018. [Çevrimiçi]. Url :: https://github.com/iliasam/Laser_tape_reverse_engineering. [Erişim: 31-Eki-2018].
  • STMicroelectronics, “STM32F100 Value Line - STMicroelectronics”, STMicroelectronics, 2018. [Çevrimiçi]. Url :https://www.st.com/en/microcontrollers/stm32f100-value-line.html?querycriteria=productId=LN775. [Erişim: 30-Eki-2018].
  • Silicon Labs, Si5351a/b/c-b I2C-Programmable Any-Frequency Cmos Clock Generator + Vcxo Features Applications Description. 2018.
  • T. Demirdelen vd., “Şebekeye Bağlı Sistemler İçin Üç Faz ve Tek Faz PLL’lerin Performans Değerlendirmesi”, 5. Enerj. Veriml. ve Kalitesi Sempozyumu -EVK 2013, sayı 3, ss. 5–9, 2013.
Toplam 27 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Bilgisayar Yazılımı
Bölüm Makaleler
Yazarlar

Nevzat Olgun 0000-0003-2461-4923

İbrahim Türkoğlu

Yayımlanma Tarihi 18 Aralık 2018
Gönderilme Tarihi 19 Kasım 2018
Kabul Tarihi 10 Aralık 2018
Yayımlandığı Sayı Yıl 2018Cilt: 1 Sayı: 3

Kaynak Göster

IEEE N. Olgun ve İ. Türkoğlu, “Lazer İşaretleri İle Otomatik Hedef Tanıma”, SAUCIS, c. 1, sy. 3, ss. 1–10, 2018, doi: 10.35377/saucis.01.03.485235.
 Kapak Resmi İndir

    Sakarya University Journal of Computer and Information Sciences in Applied Sciences and Engineering: An interdisciplinary journal of information science