Geri Dön

Fire and smoke detection based on artificial intelligence techniques

Yangın ve duman algılama tabanlı yapay zeka teknikleri

  1. Tez No: 844991
  2. Yazar: ALI FARIS MANSOR AL-KHAFAJI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ OĞUZ KARAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Yapay Zeka, Evrişimsel Sinir Ağı, Derin Öğrenme, Görüntü İşleme, Yangın ve Duman Algılama, YOLOv8, Artificial Intelligence, Convolutional Neural Network, Deep Learning, Image Processing, Fire and Smoke Detection, YOLOv8
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 70

Özet

Yangın ve dumanın doğru bir şekilde algılanması ve yangının durdurulması için etkili bir izleme sistemi gereklidir.ateş açın ve içindekilerin can güvenliğini garanti edin. Bu, mevcut olanı sorgulamaya çağırıyor Yangın alarm sistemlerinin gelişmiş yetenekleri ve kapsamlı bir duman tahliyesi ihtiyacını vurgular ve yangın algılama sistemi. Duman ve yangını tespit etmek kritik öneme sahiptir. Zaman ve doğruluk göz önüne alındığında Yangın algılama için ihtiyaç duyulan evrişimli (derin) sinir ağları geliştirilmiştir. Alevler genellikle ciddi hasara yol açsa da nesneleri tanır. YOLO şöyleydi uygulandı ve YOLOv8 adı verilen önerilen bir yöntem de oluşturuldu. Yine de pek çok araştırma var derin öğrenme ile gerçek veriler kullanılarak yapılmıştır. Önerilen yöntem, görsel açıdan zengin bir Duman ve Ateş veritabanı kullanmaktı. Bulgular önerilen yaklaşımın başarılı olduğunu göstermektedir.doğruluk, model boyutu ve algılama hızı açısından diğerlerinden daha iyidir. Sonuç olarak, biz tanımlamak için YOLOv8l algoritmasının mümkün olduğunca hızlı bir şekilde nasıl uygulanacağını gösterdi. önemli yangın ve duman özellikleri; tanımlama öncekine göre daha hızlı ve daha doğrudur yöntemler; YOLOv8 algoritması ortalama %96,6 @mAP değerine ulaşır.

Özet (Çeviri)

An efficient monitoring system is required for accurate fire and smoke detection to stop the fire and guarantee the safety of the occupants' lives. This calls into question the existing sophisticated capabilities of fire alarm systems and highlights the need for a thorough smoke and fire detection system. It's critical to detect smoke and fire. Given the time and accuracy needed for fire detection, convolutional (deep) neural networks have been developed to recognize objects, even though flames usually inflict significant damage. YOLO was applied, and a suggested method called YOLOv8 was also created. Still, much research has been done on using real data with deep learning. The suggested method was to use an image-rich Smoke and Fire database. The findings show that the suggested approach performs better than others in accuracy, model size, and detection speed. Consequently, we demonstrated how to apply the YOLOv8l algorithm as quickly as possible to identify important fire and smoke properties; identification is faster and more accurate than earlier methods; the YOLOv8 algorithm achieves an average @mAP of 96.6%.

Benzer Tezler

  1. Açıklanabilir yapay zeka yöntemleri ile toprak tuzluluğu haritalarının üretilmesi

    Soil salinity mapping using explainable artificial intelligence methods

    SAMET AKSOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  2. İnsansız hava aracı ile yangın bölgesinin tespiti ve müdahalesinin yapay zeka ile tahminlenmesi

    Detection of fire zone by unmanned aerial vehicle and prediction of fire intervention with artificial intelligence

    MEHMET YÜCEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Mekatronik MühendisliğiIsparta Uygulamalı Bilimler Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BEKİR AKSOY

  3. Fire detection algorithms using multimodal signal and image analysis

    Çokkipli işaret ve imge çözümleme tabanlı yangın tespit algoritmaları

    BEHÇET UĞUR TÖREYİN

    Doktora

    İngilizce

    İngilizce

    2009

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF. DR. A. ENİS ÇETİN

  4. Dynamic texture analysis in video with application to flame, smoke and volatile organic compound vapor detection

    Videoda dinamik doku analizi ve alev, duman, uçucu organik bileşik buharı bulmaya uygulanması

    OSMAN GÜNAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF. DR. AHMET ENİS ÇETİN

  5. Smart fire monitoring system based on internet of things

    Nesnelerin interneti teknolojisine dayalı akıllı yangın algılama sistemi geliştirilmesi

    AHMED OSMAN ALI

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. FEHİM KÖYLÜ