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
- Tez No: 827013
- Danışmanlar: DR. ÖĞR. ÜYESİ BATIKAN ERDEM DEMİR
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Bu çalışmada derin öğrenme ağları kullanılarak orman yangınlarının erken tespiti için bir hava gözetleme sistemi oluşturuldu. Bu sistem, insansız hava aracı ve uçuş sırasında iletilen verileri görüntülemek için geliştirilen bir yer istasyonu uygulaması içermektedir. YOLOv8 ve YOLOv5'nin orman yangınlarını tanıma performansı incelenmiş, görüntülerin yangın içerip içermediğini sınıflandırmak için CNN-RCNN ağı tasarlanmış ve YOLOv8 ağı sınıflandırması ile sonuçlar karşılaştırılmıştır. NVIDIA Jetson Nano, bu derin öğrenme ağlarının gerçek zamanlı analizine olanak sağlanması için insansız hava aracına entegre edilmiştir. Aynı zamanda bu çalışma kapsamında geliştirilen bir yer istasyonu yazılımı, yangına ilişkin verileri almak ve görüntülemek amacıyla kullanılmıştır. Bu program, tespit edilen alanın yangın görüntülerini ve koordinatlarını göstermektedir. Algılama yöntemlerinin performans ölçümü için, CNN-RCNN ağının sınıflandırma etkinliği, YOLOv8 modeli tarafından elde edilen sonuçlarla karşılaştırmalı bir değerlendirmeye tabi tutulmuştur. Deneysel sonuçlar, çeşitli algılama yöntemlerinde yüksek derecede doğruluk göstermiştir. CNN-RCNN ağı için %96, YOLOv8 tabanlı sınıflandırma için %96, YOLOv5 tabanlı nesne algılama için %89 ve YOLOv8 tabanlı nesne algılama için %89'dur. Genel olarak, bu araştırma orman yangınlarının erken tespiti için derin öğrenme teknolojilerinin uygulanmasına katkı sağlamakta ve bu tür doğal felaketlerin yıkıcı etkilerini hafifletebilecek kapsamlı bir sistem sunmaktadır.
Özet (Çeviri)
In this study, an aerial surveillance system was developed using deep learning networks for the early detection of forest fires. This system encompasses an unmanned aerial vehicle and a ground station application developed for visualizing data transmitted during flight. The performance of YOLOv8 and YOLOv5 in detecting forest fires was examined, and a CNN-RCNN network was designed to classify whether the images contained fires or not, with the results compared to the YOLOv8 network's classification. The NVIDIA Jetson Nano was integrated into the unmanned aerial vehicle to enable real-time analysis of these deep learning networks. Additionally, a ground station software developed within the scope of this study was used to receive and display data related to fires. This program displays images and coordinates of the detected fire area. For performance evaluation of the detection methods, the classification effectiveness of the CNN-RCNN network was subjected to a comparative assessment with the results obtained by the YOLOv8 model. Experimental results demonstrated a high degree of accuracy across various detection methods, with 96% for the CNN-RCNN network, 96% for YOLOv8-based classification, 89% for YOLOv5-based object detection, and 89% for YOLOv8-based object detection. Overall, this research contributes to the application of deep learning technologies for the early detection of forest fires, offering a comprehensive system that could mitigate the destructive effects of such natural disasters.
Benzer Tezler
- Orman yangınlarının İHA sistemi ile erken tespiti amacıyla yer veri terminallerinin konumlandırılması
Positioning of ground data terminals for early detection of forest fires with UAV system
TUĞBA BEGÜM ATALIK İLTER
Yüksek Lisans
Türkçe
2024
Savunma ve Savunma TeknolojileriMilli Savunma ÜniversitesiSavunma Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KEMAL GÜROL KURTAY
- Derin öğrenme yöntemlerini kullanarak iha görüntülerinden çevresel atık tespiti
Detection of environmental waste out of uav images by using deep learning methods
SERKAN ÇELİK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiEkobilişim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYHAN ALTINÖRS
- Büyük orman yangını geçirmiş alanlarda yersel ölçüm ve serpinti radyonüklid yöntemleri (Berilyum-7 ve Sezyum-137) kullanılarak toprak erozyonu hızının belirlenmesi
Determination of erosion rate in wildfire areas using field measurement and fallout radionuclides (Beryllium-7 and Caesium-137) methods
CİHAN YILDIZ
Doktora
Türkçe
2023
Coğrafyaİstanbul Teknik ÜniversitesiKatı Yer Bilimleri Ana Bilim Dalı
PROF. DR. TOLGA GÖRÜM
- İnsansız hava aracından alınan görüntülerden derin öğrenme yöntemi ile yangın tespiti
Fire detection with deep learning method from images taken from unmanned aerial vehicle
MUSA CESUR
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TAYYİP ÖZCAN
- Next generation wireless networks for social good
Sosyal fayda için yeni nesil telsiz ağlar
SULTAN ÇOĞAY
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SEÇİNTİ