Makine öğrenmesi ve görüntü işleme yöntemleriyle orman yangını erken uyarı ve risk analizi: Çevresel verilerin entegrasyonu
Forest fire early warning and risk analysis with machine learning and image processing methods: İntegration of environmental data
- Tez No: 1003964
- Danışmanlar: DOÇ. DR. YUSUF UZUN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Necmettin Erbakan Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dünyadaki iklim değişikliği sebebiyle günden güne etkisi ve zararı artan orman yangınlarına karşı güncel teknolojik altyapılar kullanılarak daha hızlı ve etkili müdahaleler geliştirilmesi gerekmektedir. Bu tez çalışmasında ülkemizdeki orman yangını riski taşıyan bölgelerden bir tanesi seçilmiş olup bu bölgede meteorolojiden gelen anlık değerleri ve uydudan alınan görüntüleri kullanarak son kullanıcıyı bilgilendiren yapay zeka tabanlı, pilot bir orman yangını erken uyarı sistemi geliştirilmiştir. İlgili bölgeden alınan görüntüler ızgara(grid) sistemi ile küçük ve eş parçalara ayrılmış ve her birisi için ayrı ayrı risk durumu tespit edilmiştir. Sistemin karar mekanizması oluşturulurken farklı makine öğrenme algoritmaları mukayese edilmiş ve sistem üzerinde test edilmiştir. Yapılan test sonuçları, ağaç tabanlı makine öğrenmesi algoritmalarının en doğru sonuçları ürettiği yönündedir. Karar Ağacı algoritmasının işleyişinin oldukça şeffaf olması ve hızlı sonuç üretebilme yeteneği nedeniyle bu algoritma, sistemin ana karar vericisi olarak seçilmiştir. Tasarlanan sistemin oldukça hassas olan afet yönetim sürecinde, yanlış-negatif(FN) hataları yapmadığı test edilerek doğrulanmıştır. Sistem tarafından risk seviyesine dair üretilen skorlar ve diğer önemli veriler (rüzgar yönü gibi) son kullanıcıya bir harita üzerinde sunulmuş ve sistem görsel hale getirilmiştir. Dolayısıyla bu tez çalışması ve sonucunda üretilen proje, geleneksel yangın müdahale sistemlerine kıyasla çok daha hızlı ve efektif sonuç üretebilmekte ve son kullanıcıyı bilgilendirebilmektedir.
Özet (Çeviri)
Due to climate change, the impact and damage of forest fires are increasing day by day, necessitating the development of faster and more effective interventions using up-to-date technological infrastructures. In this thesis, one of the regions in our country with a high risk of forest fires was selected, and an AI-based pilot forest fire early warning system was developed to inform the end-user using real-time meteorological data and satellite imagery. The images from the relevant region were divided into small, equal parts using a grid system, and the risk status was determined separately for each part. Different machine learning algorithms were compared and tested on the system while creating the decision mechanism. The test results indicate that tree-based machine learning algorithms produce the most accurate results. Due to its highly transparent operation and ability to produce results quickly, this algorithm was chosen as the main decision-maker of the system. The designed system was tested and verified to avoid false-negative (FN) errors in the highly sensitive disaster management process. The scores generated by the system regarding the risk level and other important data (such as wind direction) are presented to the end-user on a map, making the system visually appealing. Therefore, this thesis and the resulting project are able to produce much faster and more effective results and inform the end user compared to traditional fire response systems.
Benzer Tezler
- Fully convolutional one-stage object detection model for fire and smoke detection
Yangın ve duman tespiti için tam evrişimsel tek aşamalı nesne algılama modeli
EKREM YILDIZ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KESKİNÖZ
- Optimization of deep neural network architectures for the forest fire detection
Orman yangini tespitinde derin sinir aği mimarilerinin optimizasyonu
BERRİN SAVDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
PROF. DR. HAZIM KEMAL EKENEL
- Fare testisi mikroskop görüntülerinden yapay zekâ teknikleri ile tübül ve spermatogonyal kök hücre tespiti
Detecting tubules and spermatogonial stem cells in mouse testis micrographs by using artificial intelligence techniques
BURAK KAHVECİ
Yüksek Lisans
Türkçe
2021
BiyomühendislikHacettepe ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. PETEK KORKUSUZ
DR. ÖĞR. ÜYESİ FUAT AKAL
- Explainable deep learning classification of tree species with very high resolution VHRTreeSpecies dataset
Açıklanabilir derin öğrenme yöntemleri ile çok yüksek çözünürlüklü VHRTreeSpecies veri seti kullanılarak ağaç türlerinin sınıflandırılması
ŞULE NUR TOPGÜL
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. ELİF SERTEL
- Görüntü işleme ve makine öğrenmesi yöntemleriyle karaciğer tomografi görüntülerinde benign ve malign kitlenin tespiti
Detection of benign and malignant mass in liver tomography images with image processing and machine learning methods
CANER KOCAMAZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAİT CAN YÜCEBAŞ