Derin sinir ağları ile havaalanlarında kuş yoğunluk durumu tespit ve sınıflandırılması
Detection and classification of bird density status in airports using deep neural networks
- Tez No: 848143
- Danışmanlar: PROF. DR. İLKE TÜRKMEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Sivil Havacılık, Computer Engineering and Computer Science and Control, Civil Aviation
- Anahtar Kelimeler: Yapay Zekâ (AI), kuş çarpması tespiti, havacılık güvenliği, makine öğrenimi, kuş davranışı analizi, kuş uçak çarpışma önleme, havacılık teknolojisi, Artificial Intelligence (AI), bird strike detection, aviation safety, machine learning, bird behavior analysis, mitigation strategies, bird aircraft collision avoidance, aviation technology
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Havacılık Elektrik ve Elektroniği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Kuş çarpmaları, yani kuşların uçaklarla çarpışması, havacılık güvenliği ve çevre açısından önemli riskler oluşturmaktadır. Bu tez çalışması, kuş çarpması olarak bilinen olguya genel bir bakış sunarak bunun nedenlerini, sonuçlarını ve hafifletme stratejilerini araştırmaktadır. Kuş çarpmaları, hava sahasındaki insan faaliyetleri ile kuş yaban hayatının yakınsamasından kaynaklanmakta ve sonuçları küçük hasarlardan felaket kazalarına kadar değişebilmektedir. Kuş çarpması araştırması, kuşların göç kalıpları ve habitat tercihlerinin incelenmesinden, yenilikçi teknolojilerin ve yönetim uygulamalarının geliştirilmesine kadar çeşitli yönleri kapsamaktadır. Bu çalışma, havalimanlarındaki kuş kontrol önlemleri, radar sistemleri ve yaban hayatı yönetim programları gibi kuş çarpmalarını azaltmak için kullanılan yöntemleri ele almaktadır. Kuş çarpmalarının oluşumunu ve ciddiyetini azaltmaya yönelik süregelen çabalarda disiplinler arası yaklaşımların rolünü vurgulamaktadır. Çalışmada, kuş yoğunluğu sınıflandırması için transfer öğrenme yöntemiyle Evrişimsel Sinir Ağları (ESA) kullanılmıştır. AlexNet, GoogLeNet, VGG-16, VGG-19 ESA modelleri, uygun veri seti üzerinde eğitilmiş ve performansları test edilmiştir. Veri ön işleme adımlarıyla elde edilen modeller, kuş yoğunluğu tespitinde başarılı sonuçlar göstermiştir. Ayrıca bu tezde, uçak hasarı, aksama süresi ve güvenlik önlemleriyle ilgili mali maliyetler de dahil olmak üzere, kuş çarpmasının ekonomik ve çevresel etkileri tartışılmaktadır.
Özet (Çeviri)
Bird strikes, the collision between birds and aircraft, pose significant risks to aviation safety and the environment. This abstract provides an overview of the phenomenon known as bird strike, exploring its causes, consequences, and mitigation strategies. Bird strikes result from the convergence of human activity and avian wildlife in the airspace, and their outcomes can range from minor damage to catastrophic accidents. Bird strike research encompasses various aspects, from the study of bird migration patterns and habitat preferences to the development of innovative technologies and management practices. This abstract delves into the methods used to mitigate bird strikes, such as bird control measures at airports, radar systems, and wildlife management programs. It emphasizes the role of interdisciplinary approaches in the ongoing effort to reduce the occurrence and severity of bird strikes. In this study, Convolutional Neural Networks (CNN) with transfer learning method were used for bird density classification. AlexNet, GoogLeNet, VGG-16, VGG-19 CNN models were trained on the appropriate data set and showed successful performance in the tests. The models obtained through data preprocessing steps were effective in detecting bird density. Furthermore, this abstract discusses the economic and environmental impacts of bird strikes, including the financial costs associated with aircraft damage, downtime, and safety measures.
Benzer Tezler
- Synthetic aperture radar imaging with deep neural networks
Derin sinir ağları ile sentetik açıklıklı radar görüntüleme
MUHAMMED BURAK ALVER
Doktora
İngilizce
2020
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MÜJDAT ÇETİN
PROF. DR. SELİM BALCISOY
- Student learning analysis in e-learning using deep neural networks
Derin sinir ağları ile e-öğrenmede öğrenci öğrenme analizi
YUSUF CAN SEMERCİ
Doktora
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DIONYSIS GOULARAS
- Derin sinir ağları ile EEG ve alın EOG tabanlı duygu analizi
EEG and forehead EOG based emotion analysis with deep neural networks
HÜSEYİN ÇİZMECİ
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CANER ÖZCAN
- Derin sinir ağları ile derinlik imgelerinden insan sezimi
Human detection from depth images with deep neural networks
DİDEM ÖZÜPEK TAŞ
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HELİN DUTAĞACI
- Derin sinir ağları ile çok değişkenli hisse fiyatı tahmini
Multivariable stock price forecasting with deep neural networks
SELİM SERİN
Yüksek Lisans
Türkçe
2024
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. GÜLDER KEMALBAY