Derin öğrenme temelli havadan havaya insansız hava aracı tespiti
Deep learning based air to air unmanned aircraft detection
- Tez No: 879439
- Danışmanlar: DOÇ. DR. SÜLEYMAN UZUN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sakarya Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 68
Özet
Teknolojinin gelişmesiyle birlikte insansız hava araçları (İHA) ile ilgili alanlarda önemli uygulamalar ve gelişmeler yaşanmaktadır. İHA'lar düşük maliyeti, pratik kullanımı ve çevikliği sayesinde sivil ve askeri uygulamalarda oldukça fazla tercih edilmektedir. İHA' lar özellikle, askeri gözetim ve izleme, telekomünikasyon, güvenlik, afet durumlarında arama-kurtarma, trafik gözetleme, iç veya dış mekan navigasyonu, sağlık hizmetleri, veri paylaşımı, yük taşımacılığı gibi operasyonlarında aktif bir şekilde kullanılmaktadır. İHA sistemlerinin kullanım alanlarının geniş olması ve yaygınlığının artması sadece olumlu sonuçlar doğurmamıştır. Devletlerin ve kurumların yanı sıra İHA'ları kötü niyetli örgütler ve kişilerde sıklıkla kullanmaya başlamıştır. Terör örgütleri ve art niyetli kişiler tarafından İHA' lar daha çok kamikaze şeklinde saldırı gerçekleştirmektedir. Bu tip saldırıların önceden tespit edilip engellenmesi pek de mümkün olmadığı için bir çok can ve mal kaybı yaşanmaktadır. Önleme yöntemlerinden olan GPS sinyallerinin karıştırılması meskun mahallerde günlük yaşamıda etkilediği için çok efektif bir çözüm sunmamaktadır. Bundan dolayı İHA tehdidi olma ihtimaline karşı sürekli olarak karıştırma sistemleri açık tutulmaktadır. Bunun yerine İHA'ların öncelikli olarak tespit edilmesi sonrasında İHA'ları bertaraf edici yada engelleyici sistemlerin kullanılması gerekmektedir. Özellikle meskûn mahal alanlarda bu İHA'ların tespit edilmesi oldukça zordur. Yerleşim yerlerinde bulunan binaların oluşturduğu manialar ve İHA'ların küçük olması sebebiyle bu maniların arasında kolaylıkla hareket edebilmesi İHA tespitini zorlaştırmaktadır. Klasik tipte radar ve algılama sistemleri bir noktada sabit olarak durduğu ve yayın yaptığı için maniaların oluşturduğu sutrelerin arkasını algılayamazlar. Bu çalışmada, meskûn mahal alanlarda bulunan İHA'lar başka bir İHA tarafından izlenmekte ve derin öğrenme tabanlı YOLO ağ mimarisi kullanılarak tespiti edilmektedir. Bu amaçla meskûn mahal alanlarında İHA görüntüleri alınarak bir görüntü veri tabanı oluşturulmuştur. Bu veri tabanı, uçuş esnasında bir dronun başka bir dronu görüntülemesinden oluşmaktadır. Oluşturulan görüntüler YoloLabelv1 yazılımı kullanılarak etiketlenmiştir. Bu veri seti kullanılarak YOLOv5 ve YOLOv8 derin öğrenme ağları eğitilerek dronların otomatik olarak tespit edilmesi sağlanmıştır. Bu çalışma ile hem kamusal alanda hem de yerleşim yerlerinde kötü amaçlı kullanılan dronların tespiti otomatik olarak yapılmaktadır.
Özet (Çeviri)
Nowadays, Unmanned Aerial Vehicle (UAV) uses and innovations have grown significantly as a result of technological advancements. UAVs are highly preferred in civil and military applications thanks to their low cost, practical use, and agility. UAVs are actively used in military surveillance and monitoring, telecommunications, security, search and rescue in disaster situations, traffic surveillance, indoor or outdoor navigation, healthcare, data sharing, and freight transportation. The wide range of uses of UAV systems and their increasing prevalence have not only led to positive results. In addition to governments and institutions, malicious organizations and individuals have also started to use UAVs frequently. Terrorist organizations and people with malicious intentions use UAVs mostly in the form of kamikaze attacks. Since it is not possible to detect and prevent such attacks in advance, many lives and property are lost. Jamming GPS signals, which is one of the prevention methods, does not offer a very effective solution as it affects daily life in residential areas. This is because jamming systems are constantly kept on in case of a drone threat. Instead, UAVs should first be detected and then systems to eliminate or prevent UAVs should be activated. It is very difficult to detect these UAVs, especially in residential areas. The obstructions formed by the buildings in residential areas and the small size of the UAVs, which can easily move between these obstructions, make UAV detection difficult. Since conventional radar and detection systems are fixed at a point and broadcast, they cannot detect beyond the sutras formed by obstacles. In this study, drones in residential areas are tracked by another drone and detected using deep learning-based YOLO network architecture. For this purpose, an image dataset was created by taking drone images in residential areas. This dataset consists of a drone imaging another drone during flight. The images were labeled using YoloLabelv1 software. Using this dataset, YOLOv5 and YOLOv8 deep learning networks were trained to automatically detect drones. With this study, the detection of drones used for malicious purposes in both public and residential areas is done automatically.
Benzer Tezler
- 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
Doktora
Türkçe
2020
Jeodezi ve FotogrametriKonya Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN KARABÖRK
- Data-driven delay estimation and anomaly detection: A study on European and Turkish air traffic
Veri güdümlü gecikme tahmini ve anomali tespiti: Avrupa ve Türkiye hava trafiği üzerine bir çalışma
MUHAMMET AKSOY
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. EMRE KOYUNCU
- Air-to-ground target classification and heading angleestimation using radar range profiles
Radar menzıl profı̇llerı̇nı̇ kullanarak havadan yere hedef sınıflandırma ve yön açısı kestı̇rı̇mı̇
MURAT KÖKÇÜ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Medipol ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BAHADIR KÜRŞAT GÜNTÜRK
- U-net tabanlı evrişimli sinir ağı ile uzaktan algılanmış görüntülerden otomatik bina tespiti
Automatic building detection from remotely sensed images with u-net based convolutional neural network
İBRAHİM DELİBAŞOĞLU
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYalova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MÜFİT ÇETİN
- A 3D video quality evaluation model that provides high depth perception satisfaction and efficient transmission channel use based on depth cues
Derinlik ipuçlarına dayanarak yüksek derinlik algısı memnuniyeti ve verimli iletim kanalı kullanımı sağlayan bir 3 boyutlu video kalite değerlendirme modeli
YAMAÇ TAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTED ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKÇE NUR YILMAZ