Gerçek Zamanlı Ses Tanıma ile Robot Kolu Kontrolü

Serkan KESER

Makale detayları

Gerçek Zamanlı Ses Tanıma ile Robot Kolu Kontrolü

Yazarlar:

Serkan KESER

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 31, pp.34-39

Belge Tipi:

Makale

Yayın Tarihi:

12/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000915887

Sıklık:

Üç Aylık

eISSN:

2148-2683

Anahtar kelimeler:

Özet:

 

Recognition systems, which perform remote control of devices, are developing day by day. Speech, face, and fingerprint recognition systems seem to be the most frequently used recognition systems. Speech recognition systems can be used in real-time for security, device control and dictation systems. In this study, the robot arm is controlled by recognizing the real-time speech commands. Artificial Neural Networks (ANN), Fisher Linear Discrimination Analysis (FLDA) and Discriminative Common Vector Approach (DCVA) classifiers were used to recognize speech commands. For the training set, a total of 24 speech sentences have been recorded for four different objects with six different colors. Speech signals in the training set have been generated by 8 speakers. During the test and training phases, each person voiced 50 speech signals. The robot arm is directed to the objects whose coordinates are known beforehand with the recognition of the command. As a result of the study, the average speech recognition rate for DCVA with language model was % 97,13 and without language model was % 88,20. For the FLDA, the average speech recognition rate without language model was % 87,3 and with language model was % 96,3. For ANN, the average speech recognition rate with language model was % 89,76 and without language model % 82,3.

 

Gün geçtikçe cihazların uzaktan kontrolünü gerçekleştiren tanıma sistemleri gelişmektedir. En çok kullanılan tanıma sistemleri olarak konuşma, yüz ve parmak izi tanıma sistemleri gösterilebilir. Konuşma tanıma sistemleri güvenlik sistemlerinde, cihaz kontrolü sistemlerinde ve dikte ettirme sistemlerinde gerçek zamanlı olarak kullanılabilmektedir. Bu çalışmada konuşma komutlarının gerçek zamanlı olarak tanınması ile robot kolu kontrolü gerçekleştirilmiştir. Konuşma komutlarının tanınması için Yapay Sinir Ağları (YSA), Fisher Doğrusal Ayrım Analizi (FDAA) ve Ayırt Edici Ortak Vektör (AOVY) sınıflandırıcıları kullanılmıştır. Eğitim kümesi için, her biri altı farklı renge sahip dört farklı nesne için toplam 24 adet konuşma cümleleri oluşturulmuştur.  Eğitim kümesindeki konuşma sinyalleri 8 konuşmacı tarafından oluşturulmuştur. Test ve eğitim aşamalarında her kişi 50 konuşma sinyalli seslendirmiştir. Komutun tanınması ile robot kolu önceden koordinatları belli olan nesneye yöneltilmektedir. Çalışma sonucunda AOVY için dil modelli ortalama konuşma tanıma oranı % 97,13 ve dil modelsiz % 88,20 olarak bulunmuştur. FDAA için dil modelsiz ortalama konuşma  tanıma oranı % 87,3 ve dil modelli % 96,3 olarak bulunmuştur. YSA için dil modelli ortalama konuşma tanıma oranı % 89,76 ve dil modelsiz % 82,3 bulunmuştur.

Makale detayları

Gerçek Zamanlı Ses Tanıma ile Robot Kolu Kontrolü

Yazarlar:

Serkan KESER

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 31, pp.34-39

Belge Tipi:

Makale

Yayın Tarihi:

12/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000915887

Sıklık:

Üç Aylık

eISSN:

2148-2683

Konuşma tanıma

Robot kolu kontrolü

YSA

FDAA

AOVY

Sayı

Makale detayları

Gerçek Zamanlı Ses Tanıma ile Robot Kolu Kontrolü

Yazarlar: Serkan KESER

Yayıncı: Osman SAĞDIÇ

Ana Başlıklar: Uygulamalı fizik

Dergi: European Journal of Science and Technology 2021 Vol. Issue 31, pp.34-39

Belge Tipi: Makale

Yayın Tarihi: 12/2021

Belge Dili: Türkçe

Document ID (Org No.): 2000915887

Sıklık: Üç Aylık

eISSN: 2148-2683

Konuşma tanıma

Robot kolu kontrolü

YSA

FDAA

AOVY

Sayı

Yazarlar:

Serkan KESER

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 31, pp.34-39

Belge Tipi:

Makale

Yayın Tarihi:

12/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000915887

Sıklık:

Üç Aylık

eISSN:

2148-2683