Geri Dön

İnsansız hava araçlarında bulunan kameralar kullanılarak orman yangınlarının tespit edilmesi

Forest fire detection via cameras mounted on unmanned aerial vehicles

  1. Tez No: 831126
  2. Yazar: RAHMİ ARDA ARAL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ CEMİL ZALLUHOĞLU, PROF. DR. EBRU SEZER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 61

Özet

İnsansız hava araçları (İHA'lar), uzaktan kontrol ve izleme yetenekleri sayesinde paha biçilmez teknolojilerdir. Operasyonel kuvvetler ve itfaiyeciler, orman yangını tespit görevlerinde İHA'ları kullanır. En popüler derin öğrenme mimarilerinden biri olan evrişimli sinir ağları (CNN), yüksek örüntü tanıma yetenekleri nedeniyle insansız hava araçlarında bulunan kameralar ile elde edilen görüntüler aracılığıyla orman yangını tespitinde kullanılabilir. Derin evrişimli sinir ağları, yüksek işlem kabiliyetine sahip donanımlarda etkin bir şekilde çalışabilir. Bu ağlar, GPU destekli donanıma sahip yer kontrol istasyonlarından yönetilen insansız hava araçlarında kolaylıkla çalıştırılabilirken, tipik bir İHA'nın sınırlı hesaplama kaynakları üzerinde çalıştırılabilmesi için hafif, küçük boyutlu ve verimli ağlar gerekir. Bu engellerin üstesinden gelmek için bu tez, derin ve hafif evrişimli sinir ağları ile İHA görüş verilerini kullanarak orman yangını algılama görevlerini gerçekleştirmeye yönelik kapsamlı bir araştırma sunmaktadır. Bu tezde, en başarılı yaklaşımı elde etmek için iyi bilinen evrişimli sinir ağı mimarileri kullanılarak deneyler yapılmıştır. Ayrıca, belirlenen modellerde transfer öğrenimi gerçekleştirilmiştir. Ek olarak, evrişimli sinir ağı mimarileri, yüksek doğrulukta modeller geliştirmek için bir dikkat mekanizması eklenerek modifiye edilmiştir. Denenen modeller arasında dikkat tabanlı EfficientNetB0 omurgalı model, orman yangını algılama konusunda en başarılı mimari olarak ortaya çıkmıştır. FLAME veri setinde 92,02 % test doğruluğu ve kızılötesi veri setinde 99,76 % test doğruluğu ile, orman yangınını algılamada bir dikkat katmanının eklenmesi, EfficientNetB0 tabanlı modelin verimliliğini güçlü bir şekilde kanıtlamıştır.

Özet (Çeviri)

Unmanned aerial vehicles(UAVs) are invaluable technologies thanks to their remote control and monitoring capabilities. Operational forces and firefighters use UAVs in wildfire detection missions. Due to their high pattern recognition capabilities, Convolutional Neural Networks (CNNs) are one of the most prominent deep learning architectures, making them proper for the task of forest fire recognition using UAVs. Deep convolutional neural networks can perform effectively on hardware with high processing capability. While these networks can be easily operated in unmanned aerial vehicles managed from ground control stations with GPU-supported hardware, lightweight, small-sized, and efficient networks are required to execute on a typical UAV's limited computational resources. To overcome these impediments, this thesis presents comprehensive research for performing forest fire detection tasks using UAV vision data with deep and lightweight convolutional neural networks. In this thesis, experiments have been carried out using well-known convolutional neural network architectures to achieve the most successful approach. We also performed transfer learning on several further models. In addition, convolutional neural network architectures have been modified by adding an attention mechanism to develop models with high accuracy. Among the experimented models, the attention-based EfficientNetB0 backboned model emerged as the most successful architecture. With the test accuracy of 92.02 % in the FLAME dataset and the test accuracy of 99.76% in the infrared dataset, the addition of a layer of attention in detecting forest fire strongly reinforces the efficiency of the EfficientNetB0 based model.

Benzer Tezler

  1. Developing algorithm for automatic detection of caves using unmanned aerial vehicle data

    İnsansız hava araçlarından elde edilen verilerle otomatik mağara tespiti yapabilen algoritmanın geliştirilmesi

    MUSTAFA BÜNYAMİN SAĞMAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Savunma ve Savunma Teknolojileriİstanbul Teknik Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    DOÇ. DR. ORKAN ÖZCAN

  2. İnsansız hava aracı ve yersel hiperspektral veriler ile narenciye ağaçlarında verim tahmini

    Yield estimation of citrus trees with unmanned aerial vehicle and terrestrial hyperspectral data

    MESUT ÇOŞLU

    Doktora

    Türkçe

    Türkçe

    2023

    Mühendislik BilimleriAkdeniz Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    PROF. DR. NAMIK KEMAL SÖNMEZ

  3. İnsansız hava araçlarında kullanılan metrik olmayan kameraların kalibrasyonu

    Calibration of nonmetric cameras used in unmaned aeiral vehicle

    GÜLÜSTAN KILINÇ KAZAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Jeodezi ve FotogrametriKonya Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN KARABÖRK

  4. A practical implementation of navigation and obstacle avoidance for quadcopters

    Dört pervaneli helikopterler için bir engelden kaçınma ve seyrüsefer uygulaması

    ONUR YILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. OVSANNA SETA ESTRADA

  5. Localization of radio sources using autonomous unmanned aerial vehicles for search and rescue applications

    Arama ve kurtarma uygulamaları için otonom insansız hava araçları ile radyo kaynaklarının konumunun tespiti

    ÖMER HEREKOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ RAMAZAN YENİÇERİ