Golgiyaz, Sedat2021-11-032021-11-032020Golgiyaz, S. (2020). Bilgisayarlı görü teknikleriyle kömür yakıtlı kazanlardaki yanma veriminin tahmini. Yayınlanmış Doktora Tezi, İnönü Üniversitesi.https://hdl.handle.net/11616/42710Kömür yakıtlı kazanlar kişisel ev, bina veya iş yerlerinin ısıtmalarında yaygın bir şekilde kullanılmaktadır. Kazanın verimli yakılması, ekonomik bir katma değer sağlamakla birlikte atmosfere bırakılan zararlı gazları azaltarak çevreye olumlu katkı sağlamaktadır. Bu tez çalışmasında, ev tipi kömür kazanlarının yanma verimini bilgisayarlı görme teknikleriyle otomatik hesaplayabilen yeni bir sistem önerilmektedir. Bu sistem, yanma sürecinde kazan içerisindeki alev formu görselini elde ederek profesyonel baca gazı analizör cihazlarıyla ölçülen verim değerlerine eşlemektedir. Bunun için elde edilen yüksek boyutlu alev görüntüleri düşük boyutlu öznitelik vektörlerine indirgenmekte ve yapay öğrenme teknikleriyle kazan veriminin tahmini yapılmaktadır. Tez kapsamında, birçok farklı öznitelik çıkarma ve modelleme yaklaşımının eşleşme doğruluğu üzerindeki etkisi analiz edilmiştir. Bu tezle sağlanan temel bilimsel katkı, mevcut yöntemlerle kıyaslandığında alev görseli ile verim ölçümü arasındaki en yüksek eşleştirme doğruluğunu sağlayan matematiksel modellerin geliştirilmesidir. Ayrıca alev görselinden baca gazı sıcaklığını tahmin edebilen matematiksel bir model de önerilmştir. Geliştirilen tahmin modellerinin prototip bir kömür kazanı üzerinde gerçek zamanlı uygulamaları yapılmıştır.Coal fired-boilers are widely used in the heating of personal houses, buildings or workplaces. The efficient burning of the boiler provides an economic added value, while reducing the harmful gases released into the atmosphere and contributing positively to the environment. In this thesis, a new system is proposed that can automatically calculate the combustion efficiency of household coal boilers using computer vision techniques. This system acquires the image of the flame form inside the boiler during the combustion process and maps it to the efficiency values measured with professional flue gas analyzer devices. For this, the high-dimensional flame images obtained are reduced to low-dimensional feature vectors and the boiler efficiency is estimated by artificial learning techniques. Within the scope of the thesis, the effect of many different feature extraction and modeling approaches on match accuracy was analyzed. The main scientific contribution provided with this thesis is the development of mathematical models that provide the highest matching accuracy between flame image and efficiency measurement compared to existing methods. In addition, a mathematical model is proposed that can predict the flue gas temperature from the flame image. Real-time applications of developed prediction models on a prototype coal fired-boiler have been made.trinfo:eu-repo/semantics/openAccessBilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolComputer Engineering and Computer Science and ControlDoctoral Thesis160