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: Sivil Havacılık, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Civil Aviation, Computer Engineering and Computer Science and Control
- 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: Belirtilmemiş.
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
- DRONE AND BIRD CLASSIFICATION USING CONVOLUTIONAL NEURAL NETWORKS
EVRİŞİMSEL SİNİR AĞI YÖNTEMİ İLE İNSANSIZ HAVA ARACI VE KUŞ SINIFLANDIRMASI
EDA KARALA
Yüksek Lisans
İngilizce
2020
İstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
Yükleniyor...
- SAM alanlarında bulunan füze tiplerinin derin sinir ağları ile sınıflandırılması
Classification of SAM-based missiles with deep neural networks
HİDAYET ERGİN
- Derin öğrenme algoritmaları kullanarak insansız hava araçları ile silah tespiti
Weapon detection with unmanned air vehicle images through deep learning algorithms
MUSTAFA BURGAZ
Yüksek Lisans
Türkçe
2020
Batman ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Derin öğrenme ile İHA görüntülerinden nesne tespitinin yapılması
Object detection from UAV images with deep learning
EMİR ALBAYRAK
Yüksek Lisans
Türkçe
2021
Bilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Yükleniyor...
- İnsansız hava aracı ile fotogrametrik temelli görüntü alımı ve uçuş optimizasyonu
Photogrammetric based image acquisition and flight optimization by unmanned aerial vehicle
HASAN BİLGEHAN MAKİNECİ