Afet bölgeleri için iha kullanarak derin öğrenme tabanlı yol optimizasyonu
Deep learning based road optimization using uav for disaster regions
- Tez No: 881252
- Danışmanlar: DR. ÖĞR. ÜYESİ GÜL FATMA TÜRKER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Afet yönetimi, afetlere hazırlıklı olma, afet riskini azaltma ve afet sonrası iyileştirme sürecini hızlandırma açısından giderek daha fazla önem kazanmaktadır. Teknolojik yenilikler ve araçlar, bu süreçlerin etkin bir şekilde yönetilebilmesi için destek sağlar. Son yıllarda hızlı gelişme gösteren Yapay Zeka (YZ) ve İnsansız Hava Aracı (İHA) teknolojileri, afet durumlarında kullanılmaktadır. Yapay zekada yaşanan hızlı gelişmeler, modellerin hızlı ve doğru sonuçlar vermesini sağlarken, İHA'ların yapay zeka ile entegrasyonu da bu araçları daha yetkin hale getirmiştir. Bu çalışmada, afet yönetimi kapsamında açık yolların tespit edilmesi ve hedefe erişim için en kısa yol optimizasyonu yapılmıştır. Bu amaçla, bilgisayarlı görü tekniği kullanılarak afet bölgesinde İHA üzerinden anlık olarak alınan görüntü verileri ile yolların durumu belirlenmiş ve hedeflenen noktaya ulaşım için en uygun yol tespit edilmiştir. Literatürde yapılan çalışmalarda uydu görüntüleri kullanılarak afet yönetimi süreçleri gerçekleştirilmiş ve eski derin öğrenme algoritmaları kullanılmıştır. Literatürden farklı olarak, bu çalışmada drone kullanımı ve yeni derin öğrenme yöntemlerinin uygulanmasıyla daha etkin ve güncel bir yaklaşım benimsenmiştir. Model eğitimi için afet durumunu temsil eden özgün bir veri kümesi oluşturulmuş ve etiketlenmiştir. Etiketleme yapılan veri kümesinde 5 kat veri çoğaltma tekniği uygulanmıştır. Veri kümesi kullanılarak %80 eğitim, %10 doğrulama ve %10 test oranları uygulanmıştır. YOLOv8x, YOLOv8x-seg, YOLOv9e ve YOLOv9e-seg modelleri kullanılarak bölütleme işlemi yapılmıştır. Bölütleme işlemi sonrasında iskeletleme görüntü işleme sürecinden geçirilerek maske yol görüntüleri tek piksel genişliğinde veriye dönüştürülmüştür. En kısa yol optimizasyonu aşamasında Dijkstra, A*, BFS ve DFS algoritmaları uygulanmıştır. Yolların tespit edilmesi sürecinde karşılaştırılan modeller sonucunda, ortalama 624 ms işlem hızı ve %84,4 mAP değeriyle YOLOv9e-seg'in en hızlı ve doğru sonuçlar verdiği tespit edilmiştir. En kısa yol algoritmalarından Dijkstra ile A* hedef noktaya en hızlı ulaşımı ortalama 385 ms ve 387 ms sürelerde sağladığı belirlenmiştir. Geliştirilen yöntemin, afet sürecinde hedef noktanın hızlı tespit edilmesi için kullanılan drone ile müdahale sürelerinin kısaltılması öngörülmektedir. Afet bölgelerine daha hızlı ve etkili müdahale edilebilecek, böylece can kayıpları ve maddi zararlar minimize edilecektir.
Özet (Çeviri)
Disaster management is becoming increasingly important for disaster preparedness, disaster risk reduction and accelerating post-disaster recovery. Technological innovations and tools provide support to manage these processes effectively. Artificial Intelligence (AI) and Unmanned Aerial Vehicle (UAV) technologies, which have developed rapidly in recent years, are used in disaster situations. Rapid developments in artificial intelligence have enabled models to provide fast and accurate results, while the integration of UAVs with artificial intelligence has made these tools more competent. In this study, in the context of disaster management, the detection of open roads and the shortest path optimization for access to the target were carried out. For this purpose, by using computer vision technique, the condition of the roads was determined with the image data taken instantaneously from the UAV in the disaster area and the most suitable route for transportation to the targeted point was determined. In the studies in the literature, disaster management processes were carried out using satellite images and old deep learning algorithms were used. Unlike the literature, this study adopts a more effective and up-to-date approach by using drones and applying new deep learning methods. For model training, a unique dataset representing the disaster situation was created and labeled. A 5-fold data replication technique was applied on the labeled dataset. Using the dataset, 80% training, 10% validation and 10% testing rates were applied. Segmentation was performed using YOLOv8x, YOLOv8x-seg, YOLOv9e and YOLOv9e-seg models. After segmentation, the mask road images were converted into single pixel wide data by skeletonization image processing. In the shortest path optimization phase, Dijkstra, A*, BFS and DFS algorithms were applied. As a result of the models compared in the path detection process, it was determined that YOLOv9e-seg gave the fastest and most accurate results with an average processing speed of 624 ms and mAP value of 84.4%. Among the shortest path algorithms, Dijkstra and A* provided the fastest access to the target point in 385 ms and 387 ms on average. It is envisaged that the developed method will shorten the intervention times with the drone used for fast detection of the target point during the disaster. It will be possible to intervene faster and more effectively in disaster areas, thus minimizing loss of life and material damages.
Benzer Tezler
- Bir taktik insansız hava aracının temsili model temelli optimizasyonu
Surrogate based optimization of a tactical unmanned air vehicle
FATİH ZEREN
Yüksek Lisans
Türkçe
2023
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. AYTAÇ ARIKOĞLU
- Next generation wireless networks for social good
Sosyal fayda için yeni nesil telsiz ağlar
SULTAN ÇOĞAY
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SEÇİNTİ
- Güneş enerjisiyle desteklenen insansız hava aracı tasarım ve üretimi
Solar powered UAV design and production
FATİH BAYKAL
Yüksek Lisans
Türkçe
2022
Enerjiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. ALİM RÜSTEM ASLAN
- Comparison of satellite positioning techniques on unmanned aerial vehicle based photogrammetry
İnsansız hava aracı ile fotogrametride uydu konumlama tekniklerinin karşılaştırılması
ERSİN TURAN
Yüksek Lisans
İngilizce
2019
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİHTER EROL
- Wireless cooperative scheme for next generation uavs–assisted cellular network in disaster area
Afet bölgesinde yeni nesil İHA'lar destekli hücresel ağ için kablosuz iş birliği programı
MOHAMMED ABDULLAH ALI AFANDI
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TARİK ADNAN ALMOHAMAD