İnsansız hava araçlarında bulunan kameralar kullanılarak orman yangınlarının tespit edilmesi
Forest fire detection via cameras mounted on unmanned aerial vehicles
- Tez No: 831126
- Danışmanlar: DR. ÖĞR. ÜYESİ CEMİL ZALLUHOĞLU, PROF. DR. EBRU SEZER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2023
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. ORKAN ÖZCAN
- 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
2023
Mühendislik BilimleriAkdeniz ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
PROF. DR. NAMIK KEMAL SÖNMEZ
- İnsansız hava araçlarında kullanılan metrik olmayan kameraların kalibrasyonu
Calibration of nonmetric cameras used in unmaned aeiral vehicle
GÜLÜSTAN KILINÇ KAZAR
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriKonya Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN KARABÖRK
- 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
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- 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
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAMAZAN YENİÇERİ