Mikrodalga ölçüm verilerinden makine öğrenmesi teknikleri kullanılarak patlayıcı madde tespiti
Explosive detection using machine learning techniques from microwave measurement measurement data
- Tez No: 662828
- Danışmanlar: PROF. DR. GÜRKAN TUNA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Trakya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 134
Özet
Tehlikeli sıvıların tespit edilmesi insan ve çevre sağlığının korunması açısından önemlidir. Çünkü bazı kimyasal sıvılar patlayıcı yapımında kullanılmakta ve bu patlayıcılarla teröristler saldırılar yapmaktadırlar. Terör saldırılarını önlemek için bu sıvıların diğer sıvılardan ayırt edilmesi gerekir. Bu nedenle araştırmacılar sıvı kontrolü yapan sistemler geliştirmek için çeşitli çalışmalar yürütmüşlerdir. Patlayıcı yapımında kullanılan sıvılar geliştirilen sıvı tarama sistemleri ile tespit edilmeye çalışılmıştır. Şuan kullanılmakta olan sıvı tarama sistemlerindeki yanlış alarm oranının yüksek olması ve bazı tehlikeli sıvıların tespit edilememesi araştırmacıları farklı yöntemler arayışına yöneltmiştir. Ayrıca operatöre bağlı sıvı tarama sistemlerinde operatörün dikkati kısa sürede dağılabilir, bu da sonuçların güvenilirliğini azaltabilir. Bu nedenle havalimanları, tren istasyonları, alışveriş merkezleri gibi insan nüfusunun kalabalık olduğu yerlerde bu tür saldırıları önlemek için sıvı kapağının açılması gerekmeyen ve yüksek doğrulukta sonuçlar veren sıvı tarama sistemleri kullanılmalıdır. Bu tezde mikrodalga ve makine öğrenmesi tabanlı bir sıvı tanıma sistemi önerilmektedir. Önerilen sistem sıvı ve akışkanların mikrodalga frekans bandındaki elektromanyetik tepki ölçümlerine dayanmaktadır. Bu sistem hızlı, tahribatsız, operatöre bağımsız ve yüksek doğrulukla sonuç vermektedir. Ayrıca, bu sistem %70 ve daha fazla tehlikeli sıvı konsantrasyonuna sahip sıvıları tespit edebilmektedir. Çünkü çözeltilerde %70 ve üzeri bir sıvı konsantrasyonu da tehlike yaratabilmektedir. Önerilen sistem hem tehlikeli sıvıların tehlikesiz sıvılar arasından tespiti hem de bu tehlikeli sıvıların sulu çözeltilerindeki tehlikeli sıvı konsantrasyonunu bulmak için kullanılmıştır. Her iki uygulamada en başarılı algoritmayı bulmak için kullanılan algoritmaların performans analizi yapılmıştır. Analizde yedi farklı algoritma kullanılmış ve bu algoritmalar arasından en iyi performansı K-EYK algoritması göstermiştir.
Özet (Çeviri)
Detecting hazardous liquids is important in terms of protecting human and environmental health. Because some chemical liquids are used to make explosives and terrorists attack with these explosives. In order to prevent terrorist attacks, these liquids must be distinguished from other liquids. Therefore, researchers have carried out various studies to develop systems that control liquids. With the developed liquid scanning systems, the liquids used in explosive production have been tried to determine. The high false alarm rate in liquid detection systems currently in use and the inability to detect some hazardous liquids led researchers to seek different methods. Also, the operator's attention can be distracted in a short time in operator-connected fluid scanning systems, which can reduce the reliability of the results. For this reason, liquid scanning systems that do not require the liquid cover to be opened and give high accuracy results should be used in order to prevent such attacks in places with crowded human populations such as airports, train stations, shopping malls. In this thesis, a microwave and machine learning based liquid recognition system is proposed. The proposed system is based on electromagnetic response measurements of liquids and fluids in the microwave frequency band. This system is fast, non-destructive, operator independent and gives high accuracy. In addition, this system is able to detect liquids with a dangerous liquid concentration of 70% or more. Because a liquid concentration of 70% and above in solutions can also be dangerous. The proposed system has been used both to detect hazardous liquids among non-hazardous liquids and to find the hazardous liquid concentration in aqueous solutions of these hazardous liquids. In order to find the most successful algorithm in both applications, performance analysis of the algorithms used has been made. Seven different algorithms have been used in the analysis and the K-EYK algorithm has showed the best performance among these algorithms.
Benzer Tezler
- Obtain anterior/posterior position of the tumor through machine learning
Makine öğrenme yoluyla tümörün anterior/posterior pozisyonunu elde edin
GOLSHAN GHOLAMPOUR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Microwave dielectric property based classification of prostate cancer with phantom materials
Mikrodalga dielektrik özellik bazlı fantom materyallerle prostat kanseri sınıflandırılması
NEGAR VARSHABI
Yüksek Lisans
İngilizce
2021
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Machine learning aided kidney stone classification with electromagnetic properties
Makine öğrenmesi yardımıyla böbrek taşlarının elektromanyetik özelliklerinin sınıflandırılması
BANU SAÇLI
Yüksek Lisans
İngilizce
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ÇAYÖREN
- Hard and soft tissue characterization with microwave dielectric spectroscopy
Mikrodalga dielektrik spektroskopi ile sert ve yumuşak doku karakterizasyonu
SEDA KESKİN
Yüksek Lisans
İngilizce
2022
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
- Aiding agricultural practices with the exploration of earth observation data via machine learning
Yer gözlem uydu verilerinin tarımsal uygulamalara yardımcı olmak amacıya makine öğrenme algoritmaları ile incelenmesi
MEHMET FURKAN ÇELİK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ERTEN