akıllı aydınlatma - Ödev Yaptırma & Danışmanlık Merkezi

Elektrik Elektronik Mühendisliği Ödev Yaptırma: IoT Cihazlarında Edge Computing Stratejileri

İçerik Üreticisi — Wed, 29 Oct 2025 07:00:50 +0000

“Her şeyi buluta gönder, orada analiz et” dönemi bitti. Günümüzde milyarlarca IoT cihazı; sensör verisini olay anındaanlamlandırmak, kısıtlı enerjiyle uzun süre çalışmak, gizliliği korumak ve gecikmeyi düşürmek zorunda. Bunun reçetesi edge computing—yani verinin toplandığı yerde zekânın da bulunması. Kenarda (edge) karar verip yalnız gerekli özetleri, anormal durumları veya model güncellemelerini buluta göndermek; ağ trafiğini ve bulut maliyetini azaltır, güvenliği artırır, sistemin kullanılabilirliğini yükseltir.

1) Neden Edge? Üç Ana Gerekçe: Gecikme, Gizlilik, Ekonomi

Edge computing’in üç ayağı vardır:

Gecikme: Olayı orada algıla, milisaniyeler içinde tepki ver (ör. makinede titreşim eşiği aşıldıysa alarm ve güvenli duruş).
Gizlilik: Ham ses/görüntü gibi hassas veriyi tesisten dışarı çıkarmadan özellik (feature) düzeyinde işle.
Ekonomi: Veri göçünü azalt, bulut depolama/işleme maliyetini düşür; hücresel ağlarda MB başına maliyeti kes.
Başarılı edge, yalnız cihazın aklını büyütmez; sistem toplam maliyetini (TCO) ve operasyonel riskleri azaltır.

Örnek olay: Bir gıda üretim hattında rulman arızaları, buluta giden yüksek örneklemeli titreşim verisiyle analiz ediliyordu. Ağaç seviyesinde bir anomalı skoru edge’te hesaplanıp buluta yalnız “olay özetleri” yollandı; aylık veri trafiği %92 düştü, algılama gecikmesi saniyelerden 200 ms civarına indi.

2) Edge Katmanları: Cihaz, Saha Ağ Geçidi, Yakın Bulut

Edge, tek katman değildir.

Cihaz Edge’i: Mikrodenetleyici (MCU) veya gömülü Linux’lu SoM üzerinde sensör işleme, karar ve sıkışık iletişim.
Saha Ağ Geçidi (Gateway): Birden çok cihazı toplayıp zekâyı bir üst katmanda genişleten mini sunucu; ön bellek, orkestrasyon ve yerel API.
Yakın Bulut (Fog): Kampüs/tesis içinde mini veri merkezi; daha ağır analitik, model eğitimi/yeniden dağıtımı.
Gerçek dünyada çoğu çözüm hibrid çalışır: kritik karar cihazda, kural–politika gateway’de, ağır öğrenme ve filo görünürlüğü bulutta.

3) Donanım Seçimi: MCU mu, MPU mu, DSP mi?

Edge zekânın evi donanımdır.

MCU (Cortex-M/RISC-V sınıfı): Ultra düşük güç, gerçek zaman; sınırlı RAM/flash. Sinyal işleme, basit ML (tinyML), olay çıkarımı için ideal.
MPU/SoM (ARM A sınıfı, gömülü Linux): Yüksek bellek ve çoklu görev; kamera/ses gibi yoğun veriler, konteyner tabanlı orkestrasyon.
DSP/NPU hızlandırıcılar: FFT, MFCC, CNN/keyword spotter gibi işlerde enerji/verim avantajı.
Karar; görev döngüsü, model karmaşıklığı, enerji ve BOM maliyeti üzerinden verilir.

Vaka: Batarya ile çalışan titreşim düğümünde Cortex-M4F + DSP kütüphesi, 1D CNN yerine özellik tabanlı anomali skoruyla seçildi. Aynı bütçeye 18 ay pil ömrü sığdı.

4) İş Yükü Ayrıştırma: Nerede Ne Çalışsın?

Sistemi “hangisi nerede?” diye parçalayın:

Cihaz: Ham veriden özellik çıkarımı, basit sınıflandırma, eşiğe dayalı kurallar, acil eylemler.
Gateway: Cihaz yönetimi, versiyonlama, konfig dağıtımı, yerel birleştirme ve konteyner çalıştırma.
Bulut: Model eğitimi, filo analitiği, uzun vadeli depolama, raporlama, A/B deneyleri.
Kural: Risk ve gecikmenin yüksek olduğu eylemler cihaza yaklaştırılır.

5) Veri Boru Hattı Tasarımı: Ham Değil, Anlam Gönder

Ağ ve enerji, en kıymetli kaynak. Edge stratejisi şu üç adımı standardize eder:

Önişleme: Filtre, yeniden örnekleme, pencereleme (ör. titreşimde 1 s pencere).
Özellikler: MFCC (ses), istatistik/tepe–tepe (titreşim), edge’de küçük embedding (görüntü).
Sıkıştırılmış Protokoller: CBOR/Protobuf, delta-encoding; olay tabanlı yayın.
Yalnız anlamlı değişim buluta gider. Bu, güvenliği de güçlendirir; ham biyometrik/ses/görüntü dışarı çıkmaz.

6) İletişim Stratejileri: MQTT, CoAP, LoRaWAN, BLE Mesh

İş yükü ve enerjiye göre protokol seçin:

MQTT: Yayınla–abone ol; telemetri ve komutlar için hafif.
CoAP: UDP tabanlı; çok düşük kaynak ayak izi.
LoRaWAN: Uzak menzil; olay/seyrek telemetri için mükemmel.
BLE Mesh: Kapalı alan, düşük enerji, kısa mesajlar.
Yeniden deneme ve önbellek ile ağ kopukluğuna dayanıklılık şarttır. Edge cihaz offline’ken güvenli çalışmaya devam etmeli.

Örnek: Depoda BLE Mesh’li sensörler, gateway üzerinden MQTT ile yukarı aktı. Ağ çökünce cihazlar ring bellekteolayları sakladı; ağ gelince sırayla boşalttı—veri tutarlılığı korundu.

7) Güvenlik: Kenarda Başlar, Kenarda Biter

Edge güvenliği; donanım kök kimlik, güvenli önyükleme, imzalı güncelleme, ayrıcalıkların en azı ilkeleriyle başlar.

Cihaz kimliği: Donanım tabanlı anahtar (TPM/PUF) ile sertifika temelli kimlik.
İletişim: Uçtan uca şifreleme; MQTT/TLS, DTLS; rotasyon.
Yazılım: Salt-okunur kök dosya sistemi (Linux), imzalı OTA; rollback planı.
Güvenlik, “bulut politikası” değil; cihaz doğumunda verilmiş bir özelliktir.

8) ML @ Edge: tinyML, Kuantizasyon ve Mimari Seçimi

Edge’te ML iki dünyadır: özellik+basit sınıflandırıcı (SVM/Random Forest/Logistic) ya da küçük DNN (keyword spotting, küçük CNN).

Kuantizasyon (int8/daha düşük bit): Boyut ve hız kazanır, enerji düşer.
Mimari: 1D CNN (titreşim/ses), MobileNet türevleri (görüntü), GRU/LSTM (olay dizileri).
Kalibrasyon: Saha ortamında eşiği güncel tut; false-positive/false-negative dengesini operasyon hedefiyle hizala.

Vaka: Fabrika gürültüsünde anahtar kelime algısı, 16 kHz MFCC + tinyCNN ile cihaza alındı; yanlış tetiklemeler, dinamik eşik ve “iki aşamalı doğrulama” ile %70 azaldı.

9) Enerji–Gecikme–Doğruluk Üçlemi: Tasarımın Kaderi

Pil ile çalışan bir düğümde her ms önemlidir. Stratejiler:

Uyku–uyanış ritmi: Olayla uyan (wake-on-motion/ses), mümkün olduğunca uyku.
Pencere uzunluğu: Daha kısa pencere daha hızlı; ama doğruluk–genelleme etkisini ölç.
İşbirlikçi karar: Şüphe düşükse yalnız olay sayacını artır; ikinci şüphede ağır modeli çalıştır.
Bu üçgenin “tatlı noktası” saha verisiyle bulunur; laboratuvar genelde yanıltır.

10) Edge Orkestrasyon: Konteyner, OTA ve Sürümleme

Gömülü Linux’lu edge’lerde konteyner (Docker/Podman) uygulamayı taşınabilir kılar.

OTA Stratejisi: İkili bölme (A/B) ile güvenli güncelleme; imza kontrolü; düşük bant genişliğinde delta OTA.
Konfig Merkezi: Buluttan cihazlara sürüm kontrollü konfig yayılımı; rollback.
Gözlemleme: Edge health-check, log akışı, uzaktan shell olmadan tanılama (telemetri tabanlı).

Örnek: Kamera gateway’lerinde model konteyneri, yoğun günlerde daha hafif varyanta canlı geçiş yaptı; CPU ve termal baş ağrısı bitti.

11) Yerel Karar Politikaları: Risk–Güvenlik–İş Sürekliliği

Ağ yokken ne olacak? Kenarda yerel politika şart:

Güvenlik kritik: Duman algılandıysa bulut yoksa bile siren çal, klapeleri kapat.
Kalite/üretim: Anomali yüksekse hattı yavaşlat; ağ gelir gelmez olay raporu ve veri parçasını gönder.
Yetkilendirme: Yerel kimlik doğrulama (kart/NFC) ve çevrimdışı izin setleri.

12) Veri Yaşam Döngüsü: Edge’te Sakla, Özetle, Unut

Cihazın ring belleği yalnız olay pencerelerini saklar. Politikalar:

Saklama süresi: Enerji/flash ömrü ile dengeli; 1–7 gün kritik pencereler.
Özet üretimi: Saatlik/ günlük skor; ham veriden bağımsız uzun vadeli takip.
Gizlilik: Kişisel veriyi edge’te anonimleştir; buluta yalnız maskelenmiş özellikler.

13) Endüstride Kullanım: Durum İzleme, Görsel Kontrol, Güvenlik

Titreşim izleme: Rulman/dişli anomalisini edge’te skorla; bakım planına erken uyarı ver.
Görsel kalite: Hatalı etiket, kapağı tam oturmamış şişe; küçük CNN edge’te, belirsiz ise gateway’de ağır model.
Güvenlik: Bölgeye yetkisiz giriş—edge’te kişi sayma/izinsiz bölge ihlali, görüntü dışarı çıkmadan alarm.

Vaka: Şişeleme hattında kenar model yalnız “kuşkulu” kareleri gateway’e aktarıp ikinci aşama modele verdi; bant hiç durmadan kalite hatalarını azalttı.

14) Bina ve Enerji: Akıllı HVAC, Aydınlatma, Talep Yanıtı

Binalarda sensörler (CO₂, sıcaklık, varlık) edge’te fuzzy/kurallı kontrol ile HVAC’ı yönetir; OTA ile sezonsal profiller değişir. Talep piki saatlerinde edge yerel karar alıp setleri kaydırır; buluta yalnız rapor çıkar.

Örnek: Ofis alanında varlık + günışığı duyarlı edge kontrolü, kullanıcı konforunu bozmadan aydınlatma tüketimini %35düşürdü.

15) Akıllı Şehir ve Ulaşım: Kamera–Radar–Akustik Füzyon

Kavşaklarda kamera+radar, edge’te araç/ yaya yoğunluğu çıkarır; sinyal planını yerel optimize eder. Olay (kaza, tıkanma) anında gateway’e bildirilir. Sesle kırmızı ışık ihlali/korna patlaması gibi davranışlar özellik düzeyinde işlenir; ham ses çıkmaz.

16) Sağlık ve Medikal: Gizlilik Odaklı Edge

Giyilebilir veya ev içi sağlık cihazları, biyosinyalleri edge’te özellik seviyesinde işler: aritmi şüphesi, uykuda apne iması, düşme algısı. Buluta yalnız alarm özeti gider; kişisel verinin sınır ötesi taşınması minimize olur.

Vaka: Yaşlı bakımında düşme algısı; ivme–gyro sinyali küçük bir RNN ile kenarda; yanlış alarmlar çift sensör (basınç paspası) ile bastırıldı.

17) Tarım ve Çevre: LoRaWAN + Edge = Sonsuz Pil

Tarla sensörlerinde LoRaWAN ile olay bazlı telemetri; edge’te eşik/ trend analizi. Anlamlı değişim yoksa cihaz uyur; güneşli günlerde enerji hasadıyla sonsuz ömür yaklaşılır.

Örnek: Toprak nem sensörleri “sulama eşiği”ne yaklaşmadan yayın yapmadı; ağ trafiği %95 düştü, pil ömrü yıllara çıktı.

18) Test–Doğrulama: Emülatör, Kaydedici ve Gölge Mod

Edge yazılımının sahaya çıkmadan önce üç testi:

Emülatör: Sensör akışını yapay verilerle besleyin; sınır vakaları.
Kaydedici (flight recorder): Olaydan önce/sonra kısa ham veri kesiti tut.
Gölge mod: Karar ver ama uygulatma; operatör ekranında karşılaştır.
Bu sayede aşırı hassas/gevşek eşikleri saha riski olmadan ayarlarsınız.

19) 6 Haftalık Uygulama Planı (Ödev/Proje)

Hafta 1 – Kullanım Senaryosu ve Hedefler: Gecikme hedefi (ms), enerji bütçesi, gizlilik kısıtları, iletişim altyapısı.
Hafta 2 – Donanım & OS: MCU/MPU kararı; RTOS veya gömülü Linux; temel sürücüler ve veri toplama hattı.
Hafta 3 – Edge Analitik: Özellik çıkarımı ve hafif model; eşiğe dayalı kurallar; yerel politika seti.
Hafta 4 – Ağ & Güvenlik: MQTT/CoAP/LoRaWAN; TLS/DTLS; cihaz kimliği ve imzalı OTA; ring bellek.
Hafta 5 – Orkestrasyon & Gözlem: Konteyner (varsa), konfig sürümleme; health-check; gölge mod testleri.
Hafta 6 – Saha Pilot ve Rapor: Önce–sonra ağ trafiği, enerji tüketimi, gecikme ölçümü; yanlış/kaçırma oranları; yol haritası ve operasyon kılavuzu.

20) Sık Yapılan Hatalar ve Hızlı Çözümler

Her şeyi edge’e taşımak: Enerji/ısı/karmaşıklık patlar → Kritik kararı edge’e, ağır eğitimi buluta bırak.
Ham veriyi dışarı atmak: Gizlilik ve maliyet → Özet/özellik gönder, hamı ring bellekte kısa tut.
OTA’sız mimari: Model güncellenemez → İmzalı, rollback’li OTA şart.
Güvenliği sona bırakmak: Kök kimlik ve güvenli önyükleme baştan kurgulanmalı.
Eşikleri “laboratuvar’da” kilitlemek: Saha değişken → Gölge mod ve saha kalibrasyonu yap.
Ağ kopukluğuna hazırlıksız: Offline politika + önbellek + tekrar.
Enerji bütçesini unutmak: Uyku ritmi, hızlandırıcılar, pencereleme; ölç–iyileştir döngüsü.

21) Üç Sektörden Derin Vaka

A) Endüstriyel Durum İzleme – Rulman Anomali Skoru
Kurulum: MCU + ivmeölçer, 4 kHz örnekleme, 1 s pencere.
Edge analitik: Zaman–frekans özellikleri + küçük bir One-Class SVM.
Sonuç: Buluta veri hacmi %92 azaldı; hat tespiti olaydan <300 ms sonra.

B) Görsel Kalite – Etiket Kontrolü
Kurulum: Gömülü Linux + kamera; edge’te hafif CNN, gateway’de ağır CNN.
Strateji: Edge yalnız “kuşkulu” kareleri gönderiyor.
Sonuç: Bant duruşu sıfırlandı; yanlış reddetmeler %40 azaldı.

C) Akıllı Ofis – HVAC & Aydınlatma
Kurulum: CO₂/varlık/günışığı sensörleri; edge’te bulanık kontrol.
Politika: Pik tarifede set noktalarını adım adım kaydır.
Sonuç: Konfor şikâyeti olmadan toplam enerji %18–22 arası düştü.

22) Operasyon ve Yaşam Döngüsü: Sürdürülebilir Edge

Başarılı bir edge projesi, yalnız teknik değil operasyonel olarak da sağlamdır:

Sürüm yolu: Prod–staging–pilot kanalları; canary dağıtım.
Gözlemlenebilirlik: Cihaz sağlığı, CPU/termal, ağ kalitesi, model telemetrisi.
Ekip süreçleri: Güvenlik yamaları SLA’sı, PII denetimi, değişiklik kayıtları.
Eğitim: Operatöre “ne zaman edge karar verir, ne zaman bulut devreye girer?” net anlatım.

23) Mimari Kalıplar: Uyarla ve Yeniden Kullan

Olay Tabanlı Edge: Eşik–histerezis–debounce + hafif model; endüstride altın standart.
Çift Aşamalı Sınıflandırıcı: Edge hafif, gateway ağır; yüksek doğruluk, düşük gecikme.
Özellik Gönder, Hamı Sakla: Gizlilik ve bant genişliği için en iyi denge.
Offline-First: İnternet yoksa da işleyen politika ve veri akışı.

24) Uzun Vadeli Bakım: Model Drift ve Yeniden Kalibrasyon

Veri dağılımı değişir: makine eskir, ortam gürültüsü artar, kamera kirlenir. Drift tespit eden metrikler (skor dağılımı, false rate) edge/gateway’de izlenir. Dönemsel yeniden kalibrasyon veya yarı-öğrenen (semi-supervised) yaklaşımlar devreye alınır. “Aynı modelle 5 yıl” hayalidir; bakım planı şarttır.

Sonuç

IoT cihazlarında edge computing; enerji–gecikme–gizlilik–ekonomi denklemini aynı anda çözmeye çalışan bir sistem tasarımı problemidir. Bu yazıda, cihaz–gateway–yakın bulut katmanlarını birlikte ele alarak iş yükü ayrıştırması, veri boru hattı, protokoller, güvenlik kökleri, tinyML ve kuantizasyon, OTA ve orkestrasyon, yerel politika ve offline çalışma, endüstri–bina–şehir–sağlık–tarım senaryoları, test/doğrulama, 6 haftalık uygulama planı, sık hata ve çözümleri ile saha vakaları eşliğinde kapsamlı bir yol haritası çizdik.

Kalıcı dersler:

Karar nerede alınmalı? Risk ve gecikmenin yüksek olduğu yerde—yani edge’te.
Ham veriyi değil, anlamı taşıyın. Özellik/özet gönderin; gizliliği ve bant genişliğini koruyun.
Güvenlik, doğumda başlar. Kök kimlik, güvenli önyükleme, imzalı OTA olmadan edge üretim değildir.
Enerji birincil kısıttır. Uyku–uyanış ritmi, hızlandırıcılar ve küçük modellerle bütçede kalın.
Hibrid mimari kazandırır. Cihaz–gateway–bulut doğru bölüşülürse TCO düşer, SLA yükselir.
Offline-First düşünün. Ağ yokken bile güvenli, anlamlı davranış şart.
Model drift kaçınılmaz. İzleme ve yeniden kalibrasyon planı yapın.
Operasyon, mimarinin yarısıdır. Sürüm kanalları, gözlemlenebilirlik, eğitim ve süreçler olmadan ölçek sürdürülemez.
Testte cömert olun. Emülatör, gölge mod ve uçtan uca sahte kopukluk senaryoları sizi sahada kurtarır.
Edge bir kültürdür. “Yakında karar, bulutta orkestrasyon” yaklaşımı yayılınca hem güvenlik artar hem verimlilik.

Son tahlilde, edge computing; öğrencinin ödevini kanıtlı bir uygulamaya, mühendisin prototipini saha dayanıklı bir ürüne, işletmenin operasyonunu ise ölçeklenebilir ve ekonomik bir platforma dönüştürür. IoT’nin değeri, veriyi buluta göndermekten değil, veriyi kaynağında akla dönüştürmekten geçer.

Öğrencilerin akademik başarılarını desteklemek ve yoğun tempoda geçen okul yaşamlarında yardımcı olmak amacıyla kurulan “Ödev Yaptırma” platformu, özgün ve kaliteli ödev çözümleri sunmaktadır. Öğrencilerin farklı branşlardan ödevlerini, projelerini ve makalelerini profesyonel ve deneyimli ekip üyelerimiz aracılığıyla titizlikle hazırlıyoruz. Her bir ödevi, konunun gerektirdiği derinlemesine araştırmalar ve analizler doğrultusunda çözümleyerek, öğrencilerimizin özgün düşünce yapısını ön plana çıkarmasını sağlıyoruz.

“Ödev Yaptırma” olarak, müşteri memnuniyetini ve güvenilirliği en üst düzeyde tutmaktayız. Öğrencilerin bize teslim ettikleri ödevlerin tümü, gizlilik ve güvenlik ilkelerine sıkı sıkıya bağlı kalınarak işlenir. Her ödev, öğrencinin taleplerine ve öğretmenin yönergelerine uygun olarak özelleştirilir ve her zaman orijinal içerik üretmeye özen gösteririz. Öğrencilerin akademik itibarını korumak ve güvenilir bir öğrenme deneyimi sunmak için elinizdeyiz.

“Ödev Yaptırma” platformu, kullanıcı dostu arayüzü sayesinde öğrencilere kolayca ulaşılabilir bir hizmet sunmaktadır. Kullanıcılar, web sitemiz üzerinden basit adımlarla ödevlerini yaptırma taleplerini iletebilir ve ihtiyaç duydukları konuda uzmanlaşmış ekip üyelerimizle iletişime geçebilirler. Hızlı yanıt verme ve esneklik, öğrencilerin zaman baskısı altında olan durumlarında da yanlarında olduğumuzu hissettirir. “Ödev Yaptırma” olarak, öğrencilerin başarısını desteklemek ve onlara daha fazla öğrenme fırsatı sunmak için buradayız

The post Elektrik Elektronik Mühendisliği Ödev Yaptırma: IoT Cihazlarında Edge Computing Stratejileri first appeared on Ödev Yaptırma & Danışmanlık Merkezi.

Elektrik Elektronik Mühendisliği Ödev Yaptırma: Arama Kurtarma Robotlarında Sensör Seçimi

İçerik Üreticisi — Sun, 26 Oct 2025 07:00:14 +0000

Arama–kurtarma robotları, belirsizliğin merkezine yürür: yıkılmış binalar, dumanla dolu koridorlar, taş–metal–toz karması içinde şekli bozulmuş boşluklar, su basmış tüneller, kar altında hava boşlukları… İnsan için tehlikeli veya ulaşılamaz alanlarda durumsal farkındalık, konumlama, yol bulma ve kurban tespiti gibi görevleri yerine getirebilmek, doğru sensör karmasıyla mümkündür. Tek bir sihirli sensör yok; görev–mekân–risk üçlüsüne göre özellikleri tamamlayan bir sensör paketi gerekir: görüşü duman ve karanlıkta sürdürecek, tozdan etkilenmeyecek, manyetik gürültüde şaşmayacak, metal yığınlar arasında konumunu kaybetmeyecek, enerji bütçesini yakmayacak, taşıt dinamiğiyle uyumlu çalışacak, veri boru hattını ve hesap gücünü boğmayacak…

1) Görev Tanımı: Algı Neyi Çözmeli?

Sensör seçimi soruyla başlar. Bir yıkım sahasında hangi soruları cevaplamak istiyorsunuz?

Keşif: Koridor genişliği, tavan yüksekliği, engellerin boyutları, düşme–çökme riski.
Haritalama: 2D/3D işgal haritası, gezilebilir yüzeyler, düşey boşluklar.
Konumlama: GPS yok; yerel SLAM/odometri, hataya dayanıklı yönelim.
Hedef tespiti: İnsan varlığı (ısıl iz, ses, CO₂), telefon sinyali, hareket.
Manipülasyon: Kaldır–kes–it; temas kuvveti ve temaslı algı.
Görevler, sensör mimarisini belirler: Örneğin “enkaz altı nefes–ısı tespiti” varsa kızılötesi ve gaz sensörleri kritikleşir; “dar tünel sürüşü” varsa kısa menzilli mesafe ve temas sensörleri öne çıkar.

Örnek olay: Betonarme bir enkazda, gaz sızıntısı riski nedeniyle kıvılcım güvenli çalışması isteniyordu. Sensör paketi kızılötesi termal kamera + mikrofon dizisi + CO₂/NH₃/Metan sensörleri ve intrinsically safe (kıvılcım güvenli) gözetimler ile kurgulandı.

2) Çevre Gerçekliği: Toz, Duman, Su, Metal ve Manyetik Gürültü

Arama–kurtarma ortamı sensör düşmanıdır.

Toz/duman: Görüşü bozar; LiDAR ve kamera geri saçılım/körleşme yaşar.
Su/çamur/kar: Optik ve akustik yayılımı değiştirir; IR’ı zayıflatır, ultrasonu saptırır.
Metal–beton yığınları: RF yansımaları ve GPS yokluğu; manyetik sapmalar.
Sıcaklık ve titreşim: IMU sürüklenmesi, lens buğulanması, konektör gevşemesi.
Sensörlerin çalışma pencereleri bu koşullara göre değerlendirilmelidir. “Her koşulda iyi” yoktur; çakışan zayıflıkları telafi eden çoğullama (redundancy) gerekir.

3) 3D Anlama İçin LiDAR: Güçlü, Ama Her Zaman Değil

LiDAR, aktif ışıkla mesafe ölçer; 3D nokta bulutu üretir. Dar koridor–merdiven–boşluk tespitinde mükemmeldir.

Artıları: Yüksek menzil doğruluğu, yapılandırılmış 3D veri, gerçek zamanlı haritalama.
Eksileri: Duman/tozda geri saçılım ve körleşme; parlak yüzey ve camda artefakt; güç tüketimi.
İpuçları: Düşük güçlü kısa menzil LiDAR’ı (ör. 10–30 m) ana LiDAR’a yedek yapın; dumanlı sahada yoğunluk filtresi ve adaptif eşiğimiz olsun.

Vaka: Tozlu enkazda ana 32-kanal LiDAR körleşince robot duvara çok yaklaştı. Kısa menzilli LiDAR + ultrasonik halka devreye girip çarpışmayı önledi; füzyonla harita “kaba ama güvenli” şekilde güncellendi.

4) Stereo Kamera ve Derinlik Kameraları: Görsel Zeka = Zengin Bağlam

Görsel sensörler bağlam taşır: kapı, merdiven, kablo, su birikintisi, duman yoğunluğu, kurbanın kıyafet–hareket ipuçları.

Stereo/derinlik (ToF/structured light): Yakın–orta menzilde 3D. Duman–tozda kararlı değildir; düşük ışıkta IR aydınlatma gerekir.
Monoküler görüş: Ucuz ve hafif; ama ölçek belirsizliği ve ışığa hassas.
Termal kamera: Görünür engellendiğinde kurban–insan sıcak noktalarını yakalar; duman ve gece performansı iyidir, parlak metal/tutarsız emisivite hataları olabilir.

İpucu: Görünür + termal eşzamanlı akışla “insan-olası alan ısı haritası” çıkarın; görseldeki ROI’leri termal izlerle teyit edin.

5) IMU, Tekerlek/Kıç/Kol Odometresi: SLAM’ın Dayandığı Gerçeklik

GPS yok; inertiyal ve tekerlek/eklem ölçümü temel.

IMU (ivmeölçer+jıroskop+manyetometre): Kısa süreli iyi, uzun sürede sürüklenir. Manyetik ölçümler metal yığınlarda güvenilmez.
Odometri: Palet/teker/kayış kayar; ama yer–zemin temasında “anlık” hız bilgisi sağlar.
Eklemsel sensörler: Palet gerginliği/ayak kuvveti gibi ek işaretler sürüklenmeyi frenler.
IMU’yu LiDAR/görüş ile loosely/tightly coupled şekilde birleştirerek kararlı bir poz–yönelim akışı elde edilir.

Örnek: Merdiven çıkışında teker kayması odometriyi bozdu; IMU + LiDAR faktör grafı kaymayı fark edip haritayı “dondurarak” poz tahminini IMU’ya emanet etti, inişte tekrar LiDAR ağırlığına dönüldü.

6) Ultrasonik ve Kısa Menzil Mesafe: Basitlik, Dayanıklılık

Ultrasonik sensörler, ucuz–hafif–enerji dostu çözümler. Duman ve tozdan optik kadar etkilenmez; fakat dokulardan çok yansır, dar geometri–köşe–yumuşak yüzeylerde şaşırır. 10–200 cm bandında “çarpışma önleme” ve zayıf görüş modunda yedek olarak kıymetlidir.

Vaka: Dar menfezde kamera karardı, LiDAR gürültülendi. 8’li ultrasonik halka, robot burnunu 15–20 cm toleransla yönetti; çıkışa kadar “kör manevra” mümkün oldu.

7) Radar (mmWave/FMCW): Dumanı Delen, Hareketi Yakalayan

mmWave radar, duman/tozu optiğe göre daha iyi deler; hareket ve nefes kaynaklı mikrodalga yansımalarını görebilir.

Artıları: Kötü görüşte çalışır, mikro-hareket duyarlılığı (Doppler).
Eksileri: Noktasal çözünürlük optik kadar iyi değil; çok yollu yansımalar.
Uygulama: Termal kamera ile ortak ROI mantığı; radar hareket–nefes şüphesini termalle sıcak nokta teyidi.

Örnek olay: Duman dolu kat holünde radar “mikro-hareket” uyardı; termalde sıcak nokta belirdi. Ekip yönlendirildi; hafif yaralı kişi bulundu.

8) Gaz Sensörleri ve Çevresel Algı: Güvenlik Önce

Metan, CO, CO₂, H₂S gibi gazlar ve O₂ seviyesi hem ekip hem kurban için kritik. Elektro-kimyasal sensörler hassas; fakat ısınma/ısınma süresi, sıcaklık–nem bağımlılıkları ve çapraz duyarlılıkları vardır.

CO₂: İnsan varlığının solunum izine ipucu; ama kapalı alanda diğer kaynaklarla karışır.
O₂: Kapalı hacimde düşüş hayati sinyal.
Uygulama: Gaz verisini harita üstü ısı haritası olarak işler ve şüpheli bölgelerde görsel/termal taramayı yoğunlaştırırsınız.

9) Akustik/Mikrofon Dizileri: Sesin Gittiği Yeri Bulmak

Kurbanın seslenmesi, moloz altından gelen vuruntu veya telefon titreşimi—akustik ipuçları paha biçilmezdir. Çoklu mikrofonla yansımaya dayanıklı yön kestirimi; düşük frekanslarda dar menfezlerden dahi bilgi taşır. Gürültüde geniş bant gürültü bastırma, sahne tespiti ve tetikleyici kelime/ritim (yardım çağrısı) algısı uygulanır.

Vaka: Jeneratör gürültüsünde mikrofonlar “vur–dur” ritmine kilitlendi; ekibe spesifik konum açısı verildi, termalle teyit edildi.

10) Temaslı Sensörler: Tork, Kuvvet, Bumper ve Taktik Dokunma

Paletli/tekerlekli robotlarda bumper sensörleri ve akım–tork ölçümleri dar geçişlerde hayat kurtarır. Manipülatör varsa uç kuvvet–tork, kayma algısı ve kapanma sensörleri kırılgan objelerle güvenli etkileşim sağlar. Bu “yakın alan” sensörleri optiğin/dünyanın kandıramayacağı fiziksel gerçeği verir.

11) RF İz Takibi: Telefon Sinyali, Bluetooth Beacon, Wi-Fi SSS

Kurbanın telefonu, Wi-Fi erişim noktaları veya yerleştirilmiş işaretçiler RF iz bırakır. Yönlü anten ve güç seviyesi–zaman değişimi ile kabaca yön–yakınlık bilgisi çıkarılabilir. Metalik enkazda yanıltıcıdır; ama makul şüphe üretir ve kamera/termal taramayı verimli kılar.

İpucu: RF „güç yükseldi“ uyarısını radar/termal ile çaprazlayın; yanlış pozitifler dramatik azalır.

12) Enerji–Ağırlık–Hacim: Sensör Konsepti Tasarım Kısıtıdır

Her sensör akım çeker, ısı üretir, yer kaplar ve kırılır. Arama–kurtarma aracının tipi (uçan/teker/palet/yılan/mini crawler) taşıma kapasitesini belirler. “Her şeyi tak” refleksi yerine:

Görev kritiği (olmazsa olmaz),
Yedeklilik (kör modda en az bir yedek),
Değer/enerji oranı (Joule başına fayda)
kriterleriyle çekirdek ve opsiyonel paket tanımlayın.

Örnek: Mikro crawler üzerinde termal + ultrasonik + IMU zorunlu, LiDAR opsiyonel kurgulandı; görev süresi 2 kat uzadı, başarı oranı değişmedi.

13) Dayanıklılık ve Koruma: IP, Darbe, Lens, De-Kontaminasyon

Sensörler için IP koruması, titreme–darbe dayanımı, cam/lens çizilme/yoğunlaşma önlemleri ve temizlik/dekontaminasyon prosedürleri şarttır. Termal ve optik lenslerde buğuya karşı ısıtmalı veya hidrofobikkaplamalar; LiDAR pencerelerinde çizilme direnci kritik. Konnektörler kilitli, kablolar sürtünmeye dayanıklıseçilmelidir.

14) Kalibrasyon, Zaman Senkronu ve Füzyon: Veriyi Aynı Anda Görmek

Farklı sensörlerin eşzamanlı olması, füzyon için kritiktir. IMU ile kamera/ LiDAR zaman damgası uyumu, ekstrinsik(gövdedeki göreli poz) kalibrasyonu ve intrinsik (optik/termal) kalibrasyon hataları küçük bile olsa SLAM/algı kararlılığını bozar. Füzyon; “yoğun–sıkı” (tightly coupled) veya “gevşek” (loosely) kurulabilir; sahada sağlam olanı tercih edin.

Vaka: Termal–görsel hizası 2–3 derece sapmıştı; sıcak nokta görselde 20 cm kayıyordu. Basit bir birlikte hedefkalibrasyon prosedürü ile hizalama düzeldi, yanlış pozitifler azaldı.

15) Veri Boru Hattı, Bilgi Oranı ve Gecikme: Fazla Veri ≠ Fazla Bilgi

Arama–kurtarmada gecikme hayatidir. 64-kanal LiDAR + 4K kamera + termal + IMU verisi ham taşınırsa CPU/GPU boğulur. Strateji:

Kenar (edge) önişleme: ROI çıkarma, gürültü/yoğunluk filtreleri, düşük bit derinliği.
Olay tabanlı yayın: Sadece değişimi gönder.
Uyarlanır hız: Durgun sahnede düşük, olayda yüksek hız.
Operasyon merkezine gönderilen görüntü/haritalar özet olmalı; ham veri ancak istekle ve kısa pencerelerde akar.

16) Yazılım ve Öğrenme: Klasik Algı + Hafif Yapay Zekâ

Derin öğrenme ile insan/engel tespiti güçlüdür; ama modele güvenlik ve açıklanabilirlik katmak gerekir. Kısıtlı donanımda hafif ağlar, kuantizasyon, pruning ve distillation kullanılır. Karanlık–duman–ısıl çakışmalarında klasik görüntü işleme (kenar/optik akış/morfoloji) ile hibrit strateji daha kararlı sonuç verir.

Örnek: Termal kamerada sahte sıcak noktaları (sıcak boru) ağ yanılttı. Klasik hareket–biçim filtreleri eklendi; “insan-olası” skor doğrulandı.

17) İnsan Tespiti: Termal + Radar + CO₂ + Ses—Çok Modlu Şüphe

Kurban tespiti ışık kadar yaşam işaretleri gerektirir. Termal “sıcak form”, radar “mikro-hareket”, CO₂ “solunum artışı”, akustik “ses/vuruntu” birlikte şüphe haritası üretir. Her modun güven skoru ve zaman penceresi farklıdır; birlikte “güvenilirlik bileşkesi” çıkarılır.

18) Manipülasyon ve Yakın Algı: Kameradan Kuvvet Hissine

Bir vanayı kapatmak, küçük bir bloğu kenara itmek, sedye bağını kesmek—yakın alan algısı şart. Kameraya ek olarak uç kuvvet–tork, kayma ve titreşim hissi “nesnenin” cinsini, sertliğini ve hareketini anlatır. Yakın alan ışıklandırma ve derinlik ipuçları ile güvenli temas sağlanır.

19) Uçan Platformlar (UAV) ve Özel Kısıtlar

UAV’lerde ağırlık ve enerji kısıtları daha serttir; hafif LiDAR, optik akış, termal mikro kamera, barometre/IMU ana pakettir. Duman/sıcak yükselimi barometreyi yanıltır; iç mekânda görsel–inertiyal öne çıkar. Gürültü nedeniyle akustik algı sınırlı; zemine yakın uçuşta pervane rüzgârı toz kaldırır—görüşe etkisi planlanmalıdır.

20) Yer–Hava İşbirliği: Sensörleri Görev Paylaşımıyla Düşünün

Kara robotu dar menfezden ilerlerken hava aracı üstten geniş bağlam/ısı haritası sağlar. RF izleme ve yukarıdan yönlendirme ile kara araç sensörleri yakın alana odaklanır. Ortak zaman–konum referansı ve paylaşımlı haritabütünlüğü kritik.

21) Saha Lojistiği: Batarya, Yedek, Temizlik ve Hızlı Değişim

Sensörler görev bitse de bakım ister: lens temizliği, filtre değişimi, kalibrasyon kartları, yedek kablo–konektör. Lityum pillerin hızlı değişim istasyonu, toz/kum geçirmez taşıma çantaları, her görev öncesi “sensör sağlık testi” kontrol listesi saha başarısını ikiye katlar.

22) 6 Haftalık Uygulama Planı (Ödev/Proje)

Hafta 1 – Görev Haritası: Senaryo (enkaz/duman/karanlık), algı hedefleri, riskler ve zorunlu sensör listesi.
Hafta 2 – Çekirdek Paket: IMU+odometri, kısa menzil çarpışma (ultrasonik/ToF), görünür+termal kamera; kablolama ve zaman damgası.
Hafta 3 – 3D ve Yedekler: LiDAR veya görsel-odometri; radar/akustik ek seçenek; temel füzyon ve kalibrasyon prosedürü.
Hafta 4 – İnsan Tespiti: Termal+akustik+CO₂ şüphe bileşkesi; ROI tabanlı görsel doğrulama; operatör arayüzü.
Hafta 5 – Kötü Koşul Testleri: Duman–toz simülasyonu, düşük ışık, metal yığın; veri boru hattı optimizasyonu ve “kör mod” stratejileri.
Hafta 6 – Saha Deneyi ve Rapor: Küçük enkaz parkurunda görev profili; yanlış/kaçırma istatistikleri; bakım ve temizlik talimatı; iyileştirme listesi.

23) Sık Yapılan Hatalar ve Hızlı Çözümler

Her sensörü takmak: Ağırlık/enerji boğar → Görev kritiği + yedeklilik yeter; geri kalanı opsiyonel.
Senkron ve kalibrasyonu hafife almak: SLAM kayar → Zaman damgası ve ekstrinsik kalibrasyon prosedürü şart.
Optiğe aşırı güven: Duman/tozda kör → Radar/ultrasonik/temas yedekleri devrede tut.
Ham veri seli: Gecikme artar → Edge önişleme, olay tabanlı yayın, uyarlanır hız.
Manyetik pusulaya güvenmek: Metalde şaşırır → IMU+LiDAR/görsel füzyon ile yönelim.
Gaz sensörlerini “tak ve unut”: Isınma/çapraz duyarlılık var → Periyodik sıfırlama ve düzeltme eğrileri.
Termal–görsel hizayı atlamak: Yanlış ROI → Birlikte hedef kalibrasyonu.
Bakım ihmal: Lens/kapı kirlenir → Görev öncesi kontrol listesi ve hızlı temizlik seti.

24) Üç Uygulama Vakasından Öğrenme

A) Dumanlı Hastane Koridoru
Sorun: LiDAR körleşiyor, kamera yetersiz.
Çözüm: mmWave radar + termal ile şüphe ROİ; ultrasonik çarpışma yedeği; füzyonla seyir.
Sonuç: İnsan tespiti başarı oranı yükseldi; harita daha seyrek ama güvenli.

B) Enkaz Altı Telefon İzleme
Sorun: RF çok yansıyor; yanlış yönlendirme.
Çözüm: Yönlü anten + güç eğimi yerine rölatif hareket analizi ve termal teyit.
Sonuç: Yanlış pozitifler düştü; hedefe erişim süresi azaldı.

C) Dar Menfezde Crawler
Sorun: Görüş yok, zemin kaygan.
Çözüm: Bumper + tork akımı + kısa menzil ToF ile “dokunarak” ilerleme; IMU’ya ağırlık.
Sonuç: Sıfır çarpışma; yavaş ama güvenilir geçiş.

Sonuç

Arama–kurtarma robotlarında sensör seçimi, tek tek cihazların katalog değerlerinden çok, görev–mekân–riskdenklemini bütüncül ele alan bir sistem tasarımıdır. Bu yazıda; duman–toz–su–metal gibi düşman ortamlarda LiDAR, kamera, termal, radar, ultrasonik, IMU/odometri, akustik, gaz sensörleri ve RF izlemenin güçlü–zayıf yanlarını, zaman senkronu ve kalibrasyonun füzyonda kritik rolünü, veri boru hattı ve gecikme yönetimini, enerji–ağırlık–hacim kısıtları altında “çekirdek+opsiyonel” paket kurmayı, dayanıklılık ve bakım gereksinimlerini, insan tespiti için çok modlu şüphe yaklaşımını ve yer–hava işbirliğini örnek olaylarla işledik.

Kalıcı dersler:

Soruya göre sensör. “Her koşulda mükemmel” yok; birbirini tamamlayan paket kurun.
Kötü görüşe hazırlıklı olun. Radar/ultrasonik/temas yedeği şart.
Zaman–kalibrasyon olmadan füzyon olmaz; hizasızlık, iyi veriyi kötüye çevirir.
Edge önişleme ve olay tabanlı yayın ile gecikmeyi kontrol edin.
Enerji–ağırlık hesabı, başarı oranı kadar önemlidir: uzun görev > kağıt üstü çözünürlük.
İnsan tespiti çok modludur. Termal+radar+akustik+CO₂ birlikte güven verir.
Bakım–temizlik–sağlık testi rutini, sahada başarının yarısıdır.
Yedeklilik akıllıca kurgulanırsa “kör modda dahi güvenli seyir” mümkün olur.
Yer–hava ekip çalışması, bağlam ve yakın alan algısını birleştirerek verimliliği artırır.
Ölç, dene, düzelt. Kötü koşul senaryolarını laboratuvarda taklit edip paketi saha öncesi olgunlaştırın.

Doğru sensör mimarisi; bir öğrencinin ödevini bilimsel ve uygulanabilir, bir ekibin prototipini güvenilir ve saha-hazır, bir arama–kurtarma operasyonunu ise daha hızlı, emniyetli ve etkili kılar. Sensör, robotun gözü–kulağı–derisi–burnudur; doğru duyularla hayatta kalma şansımız artar.

The post Elektrik Elektronik Mühendisliği Ödev Yaptırma: Arama Kurtarma Robotlarında Sensör Seçimi first appeared on Ödev Yaptırma & Danışmanlık Merkezi.