Embedded Systems and Application Areas in Engineering

Year 2021, Volume: 13 Issue: 3, 256 - 265, 31.12.2021

Fuat Türk , Murat Lüy

https://doi.org/10.29137/umagd.1053602

Cited By: 2

Abstract

Embedded systems are one of the sub-branches of electrical and electronics engineering, but are also used in many service areas today. Embedded systems, which are almost the common point of Electronics and software fields, are preferred primarily by many people in these fields. For the programming of embedded systems, the support of different electronic cards and computers is needed. With the development of both hardware components and software programming languages, embedded systems have begun to be used in almost all engineering branches. In this research study, a comprehensive examination has been made those deals with the reasons why embedded systems are preferred in many engineering branches such as robotic systems, artificial intelligence and agricultural fields.

Keywords

Embedded systems, Robotics and artificial intelligence applications, Engineering and Embedded Systems

Gömülü Sistemler ve Mühendislikte Uygulama Alanları

Abstract

Gömülü sistemler, elektrik-elektronik mühendisliğinin alt dallarından biri olmakla beraber bugün birçok hizmet alanında da kullanılmaktadır. Günümüzde neredeyse Elektronik ve yazılım alanının ortak noktası olan gömülü sistemler bu alanlardaki birçok kişi tarafından öncelikli olarak tercih edilmektedir. Gömülü sistemlerinin programlanması için değişik özellikteki elektronik kartlar ve bilgisayarların desteğine ihtiyaç vardır. Gerek donanımsal bileşenlerin gerekse yazılımsal programlama dillerinin gelişmesi ile birlikte neredeyse tüm mühendislik dallarında gömülü sistemler kullanılmaya başlamıştır. Bu araştırma çalışmasında da gömülü sistemlerin robotik sistemleri, yapay zekâ, tarımsal alanlar gibi birçok mühendislik dallarında tercih edilmesinin nedenlerini örneklerle ele alan kapsamlı bir inceleme yapılmıştır.

Keywords

Gömülü sistemler, Robotik ve yapay zekâ uygulamaları, Mühendislik ve Gömülü Sistemler

References

• Abanay, A., Mamoudi, M., Ensari, M. (2022). A calibration method of 2D LIDAR-Visual sensors embedded on an agricultural robot. Optik, 249, 168254.
• Adan, O.C.G. (1994). On the fungal defacement of interior finishes, PhD thesis, Eindhoven University of Technology, Eindhoven, The Netherlands.
• Aydın, İ., Salur, M.A., Karaköse, M. (2019). Gömülü Derin Öğrenme ile Tehdit İçeren Nesnelerin Gerçek Zamanda Tespiti, DÜMF Mühendislik Dergisi 10(2,) pp. 497-509.
• Chiba, S., Yonamine, T.,*Sasaki, M., Sugawara, K.anomata, A. Design of a Blended e-Learning Curriculum for Embedded System Engineering, IFAC Proceedings Volumes, 42, Issue 24, pp. 152-157.
• Çalık, R. (2018). Gömülü Sİstem Üzerİnde evrişimsel sinir ağları ile Nesne Sınıflandırılması, Yüksek Lisans Tezi, TOBB Ekonomi ve Teknoloji Üniversitesi, Ankara, Türkiye. Çavuşlu, M.A., Karakaya, F., Altun H. (2008). ÇKA ipi Yapay Sinir Ağı Kullanılarak Plaka Yeri Tespitinin FPGA’da Donanımsal Gerçeklemesi, Akıllı Sistemlerde Yenilikler ve Uygulamaları Sempozyumu (ASYU).
• Çotuk, H. (2008). Pıc Mikrodenetleyiciler İçin Gerçek Zamanlı İşletim Sistemi, Yüksek Lisans Tezi, TOBB Ekonomi ve Teknoloji Üniversitesi, Ankara, Türkiye.
• Diallo, A.D., Gobee, S., Durairajah, V. (2015). Autonomous Tour Guide Robot using Embedded System Control, Procedia Computer Science, 76, pp. 126-133.
• Efe, A., Sarıkaya M., Altınbaş, M. (2019). Internet Bağlantılı Gömülü Sistemlerde Güvenlik Açıkları. Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 12(3), 1468-1484.
• Kaya, A. (2008). Gömülü sistemler ve uygulama alanları. Çanakkale Onsekiz Mart Üniversitesi, Akademik Bilişim, Çanakkale.
• Mahendran, N., Vincent, D.R. (2021). A deep learning framework with an embedded-based feature selection approach for the early detection of the Alzheimer's disease, Computers in Biology and Medicine,105056.
• Mateosi L.A., Vincze, M. (2012). DeWaLoP In-pipe Robot Embedded System. IFAC Proceedings Volumes, 45, Issue 22, pp. 842-847.
• MingxiaSu, X.,Wang,Z., (2021). Application of Face Recognition Method Under Deep Learning Algorithm in Embedded Systems, Microprocessors and Microsystems, 104034.
• Montoya-Cavero, L.E., León, R.C., Alfonso, T.G, Cabello, J.A. (2022). Vision systems for harvesting robots: Produce detection and localization, Computers and Electronics in Agriculture, 192, 106562.
• Oshana, R. (2019). Software Engineering for Embedded and Real-Time Systems, Methods, Practical Techniques, and Applications, pp. 1-31.
• Rahul, K, Raheman H, Paradkar, V. (2020). Design of a 4 DOF parallel robot arm and the firmware implementation on embedded system to transplant pot seedlings, Artificial Intelligence in Agriculture,4, pp. 172-183.
• Sarıyıldız, S.Ö., Demirhanİ A. (2015). Görüntü İşleme Teknikleri ve Robot Kol ile Nesneleri Kategorilerine Ayırma, Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, Cilt 26, Sayı 2
• .Silva, G.R., Becker, B.E., Hübner, J.F., (2020). Embedded Architecture Composed of Cognitive Agents and ROS for Programming Intelligent Robots, IFAC-PapersOnLine,53, Issue 2, pp. 10000-10005.
• Şenel, F.A., Çetişlii B. (2015). Görüntü İşleme ve Beş Eksenli Robot Kol ile Üretim Bandında Nesne Denetimi. Pamukkale Univ Muh Bilim Dergisi, 21(5), 158-161.
• Togay, C.A., Mutlu G., Kurtuluş, D., Özgür, F. (2019). Secure Gateway for the Internet of Things, Avrupa Bilim ve Teknoloji Dergisi Sayı 16, S. 414-426.
• Udendhran, R., Balamurugan,M., Suresh, A., Varatharajan, R, (2020). Enhancing image processing architecture using deep learning for embedded vision systems, Microprocessors and Microsystems, 76, 103094.
• Vega, J. (2021). Basic human–robot interaction system running on an embedded platform, Microprocessors and Microsystems,Volume 85, pp. 104316.81, pp. 103776.
• Zhang, X., (2021). Energy-saving design of civil engineering buildings based on FPGA and embedded system, Microprocessors and Microsystems,Volume 83, pp. 103970.
• Zhou, M., Li, D., (2021). Research on Arm Embedded System for Football Robot, Microprocessors and Microsystems