Derin öğrenme yöntemlerini kullanarak iha görüntülerinden çevresel atık tespiti
Detection of environmental waste out of uav images by using deep learning methods
- Tez No: 763880
- Danışmanlar: DR. ÖĞR. ÜYESİ AYHAN ALTINÖRS
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Ekobilişim Ana Bilim Dalı
- Bilim Dalı: Ekobilişim Bilim Dalı
- Sayfa Sayısı: 71
Özet
Pet ve cam şişeler genellikle tek kullanımlık malzemeler olduklarından kullanıldıktan sonra uygun olmayan yerlere özensiz bir şekilde atılmaktadır. Pet ve cam şişe atıkları, çevre kirliliğinin önemli sebeplerinden biridir. Ayrıca cam şişelerin orman yangınlarının çıkmasında çok büyük etkileri vardır. Bu nedenlerden dolayı pet ve cam şişelerin tespit edilmesi ve çevreye zarar vermeden toplanması gerekmektedir. İnsansız Hava Araçları (İHA) günümüzde birçok sektörde oldukça yaygın olarak kullanılmaktadır. İHA'ların kullanım alanlarının artması ve geçmişe göre erişiminin kolay olması birçok alanda gelişmenin de önünü açmıştır. Daha az insan gücü kullanılarak daha düşük maliyetlerle birçok sorun çözüme kavuşturulmuştur. Bu tez çalışmasında, İHA'lardan alınan görüntülerdeki pet ve cam şişelerin tespit edilmesi için görüntü işleme teknikleri kullanılmıştır. Yapılan çalışmada öncelikle eğitim için tespit edilecek nesnelerin bulunduğu görüntüler belirlenmiştir. Bu görüntülerde tespit edilmesi istenen nesneler etiketlenmiş, gerekli düzenlemeler yapılarak eğitim ve test verileri elde edilmiştir. Bu veriler kullanılarak YOLOv3 derin öğrenme algoritması ile eğitim gerçekleştirilmiş, elde edilen veriler ile nesne tespit test işlemi yapılmıştır. Bu test işlemi için pet ve cam şişe atıklarının bulunduğu görüntüler kullanılmıştır. Yapılan tez çalışması sonucunda, doğal ortamlardaki pet ve cam şişelerin büyük bir doğruluk oranı ile tespiti gerçekleştirilmiştir. Ekosistemin korunması amaçlı özellikle pet ve cam şişelerin tespitinin yapıldığı benzer bir çalışmanın olmaması sebebiyle hazırlamış olduğum tez çalışmasının bundan sonraki çalışmalara fayda sağlayacağı düşüncesindeyim.
Özet (Çeviri)
Since plastic and glass bottles are generally disposable materials, they are thrown away carelessly after use. One of the main reasons of environmental pollution is plastic and glass bottle waste. Furthermore, glass bottles have a huge impact on forest fires. For these reasons, it is necessary to detect plastic and glass bottles and collect them without harming the environment. Unmanned aerial vehicles (UAV) are widely used in various sectors today. The increase in the use of unmanned aerial vehicles and the ease of access -when compared to the past- have paved the way for development in many fields. Many problems have been solved at lower costs by using less manpower. In this thesis, image processing techniques were used to detect plastic and glass bottles in images taken from UAVs. Principally, the images with the objects to be detected for training were determined. Objects in these images were labeled, necessary arrangements were made, then training and test data were obtained. Using these data, training was carried out with the YOLOv3 deep learning algorithm, and object detection test was applied with the obtained data. Images of plastic and glass bottle wastes were used for this test process. As a result, plastic and glass bottles in the nature were detected with a great accuracy rate. Since there is no similar study for the protection of the ecosystem, especially for the detection of plastic and glass bottles, I think that the thesis I have prepared will benefit future studies.
Benzer Tezler
- İnsansız Hava Araçlarının Otokodlayıcı Derin Sinir Ağı Kullanılarak Arazi Temelli Navigasyon ile Konum Tespiti
Location Detection of Unmanned Aerial Vehicles with Terrain-Based Navigation Using Autoencoder Deep Neural Network
AHMET ERTUĞRUL ARIK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. NURİ EMRAHOĞLU
- Derin öğrenme ile yeşil alanların çıkarımı
Exraction of green areas with deep learning
YUSUF YEKTA GÜZEL
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK
- Derin öğrenme algoritmaları kullanılarak döner kanatlı insansız hava aracı görüntülerinden haşhaş, kenevir ve tütün bitkilerinin tespiti
Detection of poppy, hemp, and tobacco plants from images of rotary-wing unmanned aerial vehicles using deep learning algorithms
MUHAMMED MÜCAHİT ARVAS
Yüksek Lisans
Türkçe
2022
İstatistikVan Yüzüncü Yıl Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. RECEP ÖZDAĞ
- Derin öğrenme mimarileri kullanılarak drone ile askeri araç ve silahların sınıflandırılması
Classification of military vehicles and weapons with drones using deep learning architectures with drones
DOĞAN EROL
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSivas Bilim ve Teknoloji ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. KEMAL ADEM
- Derin öğrenme yöntemleri ve yapay sinir ağı tabanlı NDVI değerleri ile çeltik bitkisi hastalıkların tespiti
Detection of diseases in rice plant with deep learning methods and artificial network based NDVI values
İRFAN ÖKTEN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR YÜZGEÇ