İnsansız Hava Aracı tespiti ve sınıflandırılması için derin öğrenme tabanlı tekniklerin geliştirilmesi
Development of deep learning based techniques for Unmanned Aerial Vehicle detection and classification
- Tez No: 735787
- Danışmanlar: DOÇ. DR. İLHAN AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Savunma ve Savunma Teknolojileri, Computer Engineering and Computer Science and Control, Defense and Defense Technologies
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Savunma Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 81
Özet
Günümüzde İHA'lara ilgi artması uygulama alanlarının artması ve yanında otonom uçuş kabiliyetleri nedeniyle oldukça artmaktadır. İHA'ların kullanım alanlarının artması aynı zamanda bu aygıtların birtakım güvenlik sorunlarını da beraberinde getirmektedir. Güvenlik konuları da içyapısı itibarı ile çeşitlendirilebilir. Bu alanlara insan, hayvan, doğa gibi canlıların güvenliği, her türlü askeri güvenlik ve çevresel güvenlik gibi sıralanabilmektedir. Genel olarak kamu veya ulusal güvenlik olarak adlandırılabilmektedir. Dolayısı ile İHA kaynaklı tehditlerin erken tespiti için önlem alınabilmesi önem arz etmektedir. Bu çalışma, kamu güvenliği ile ilgili uçuş halinde olan bir İHA'nın tespitine yönelik yöntemleri incelemek ve yeni yöntemler geliştirmek üzere deneyler ile desteklenmektedir. Bu bağlamda çok yönlü olarak akuistik ve görüntü tabanlı iki yöntem incelenmektedir. Görüntü tabanında You Look Only Once (YOLO) modellerinin karşılaştırılması yapılmaktadır. Literatür taramalarında İHA tespitine yönelik You Look Only Once Representation (YOLOR) ile ilgili her hangi bir çalışmanın ve üretilen bir sonuç olmadığı görülmektedir. Test edilen modeller arasında en etkili sonucun YOLOR ile sağlandığı tespiti sunulmaktadır. YOLOR, çalıştırılan veri kümesi üzerinde %95.6 başarı oranı sağlamaktadır. Diğer bir yaklaşım türü olan akuistik tabanına bağlı olarak İHA'ların seslerini ayırt etmek için gereken ses özelliklerini çıkarmak için Mel Frekans Spektrum katsayıları teknikleri uygulanmaktadır. Özellikleri belirlenen sesler 6 sınıf olmak üzere bu kümelerin sınıflandırılması için hafif ağırlıklı bir evrişimsel sinir ağı modeli önerilmektedir. Önerilen yöntem ile İHA'ları tespit etmek ve uçmakta olan bir İHA'yı kuş, uçak, helikopter, arka plan gürültüsü, fırtına gibi seslerden ayırt etmek mümkün olmaktadır. Deneysel sonuçlar, önerilen yöntemin %98.78 oranında başarılı olduğunu ve literatürde önerilen diğer yöntemlere göre daha iyi sonuçlar elde edildiğini göstermektedir.
Özet (Çeviri)
Nowadays, the interest in Unmanned Aerial Vehicles (UAVs) is increasing due to the increase in application areas and autonomous flight capabilities. The increase in the usage areas of UAVs also brings some security problems of these devices. Security issues can also be diversified in terms of its internal structure. These areas can be listed as the safety of living things such as humans, animals and nature, all kinds of military security and environmental security. It can be called public or national security in general. Therefore, it is important to take precautions for the early detection of threats originating from UAVs. This study is supported by experiments to examine the methods for detecting a UAVs in flight related to public safety and to develop new methods. In this context, two multidimensional methods, acoustic and image-based, are examined. You Look Only Once (YOLO) models are compared on the image base. In the literature review, it is seen that there is no study and no produced results related to You Look Only Once Representation (YOLOR) for UAVs detection. It is presented that the most effective result among the tested models is provided by YOLOR. YOLOR provides a 95.6% success rate on the run dataset. Mel Frequency Spectrum coefficients techniques are applied to extract the sound characteristics required to distinguish the sounds of UAVs depending on the acoustic base, which is another approach type. A light weighted convolutional neural network model is proposed for the classification of these clusters, with 6 classes of sounds whose properties are determined. With the proposed method, it is possible to detect UAVs and distinguish a flying İHAe from sounds such as bird, airplane, helicopter, background noise and storm. Experimental results show that the proposed method is 98.78% successful and better results are obtained than other methods suggested in the literature.
Benzer Tezler
- Gelişmiş makine öğrenimi teknikleri ile çok zamanlı hava ve uydu görüntüleri kullanılarak mısır (Zea mays) türlerinin fenoloji tabanlı sınıflandırılması
Phenology- based classification of maize (Zea mays) species using multi̇- temporal aerial and satellite imagery with advanced machine learning techniques
OSMAN YAVUZ ALTUNTAŞ
Yüksek Lisans
Türkçe
2024
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL ÇÖLKESEN
- İHA kullanılarak orman yangınlarının tespiti ve görüntülenmesi için derin öğrenme tabanlı gözetleme sisteminin geliştirilmesi
Development of a deep learning based surveillance system for forest fire detection and monitoring using UAV
IBRAHIM SHAMTA
Yüksek Lisans
Türkçe
2023
Mekatronik MühendisliğiKarabük ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BATIKAN ERDEM DEMİR
- Geleneksel öznitelikleri CNN modellerine enjekte ederek uydu görüntülerinde arazi sınıflandırması
Land classification in satellite images by injecting traditional features to CNN models
MEHMET ÇAĞRI AKSOY
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CEM ÜNSALAN
- Element eksikliği olan bölgelerdeki ürünlerin derin öğrenme ve İHA ile sınıflandırılması
Classification of products in element-deficient regions by deep learning and UAV
KÜBRA KIRCALI
Yüksek Lisans
Türkçe
2022
Jeodezi ve FotogrametriKonya Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN KARABÖRK
DOÇ. DR. ÖMER KAAN BAYKAN
- SAM alanlarında bulunan füze tiplerinin derin sinir ağları ile sınıflandırılması
Classification of SAM-based missiles with deep neural networks
HİDAYET ERGİN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiSivil Havacılık Ana Bilim Dalı
PROF. DR. İLKE TÜRKMEN