Derin öğrenme ve görüntü işleme tabanlı orman yangını tespit sistemi
Forest fire detection system based on deep learning and image processing
- Tez No: 925854
- Danışmanlar: PROF. DR. AYBARS UĞUR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 63
Özet
Her yıl, orman yangınları ekosistemler üzerinde uzun yıllar boyunca telafisi mümkün olmayan hasarlar bırakmaktadır. Bu yangınların büyük bir kısmı insan kaynaklıdır ve bu durum, doğayı koruma çabalarımızı daha da zorlaştırmaktadır. Bu tez çalışmasının amacı, orman yangınlarının tespit edilme oranını artırarak bu büyük soruna etkili bir çözüm sunmaktır. Günümüzün en ciddi problemlerinden biri olan orman yangını tespiti için literatürde mevcut olan çözümleri incelemeyi ve görüntü işleme tekniklerine odaklanarak bu yöntemlerin etkinliğini değerlendirmeyi amaçlamaktadır. Bu çalışmada, yangın tespiti için yüksek performansa sahip bir nesne algılama yöntemi olarak Derin Öğrenmeye dayalı YOLOv8 ve YOLOv11 algoritmaları kullanılmıştır. YOLO algoritması, gerçek zamanlı nesne tespitinde sunduğu hız ve doğruluk avantajlarıyla, orman yangınlarının erken tespiti için ideal bir yöntem olarak öne çıkmaktadır. Tespit oranını artırmak amacıyla, orman yangını ve duman görüntülerini içeren farklı veri setlerinin birleştirildiği ve veri çoğaltma yöntemlerinin birlikte kullanıldığı bir yaklaşım geliştirilmiştir. Çalışma kapsamında, hem yangın hem de duman görüntülerini içeren üç veri seti ile yalnızca duman görüntüleri içeren bir dördüncü veri seti kullanılmıştır. Veri çoğaltma tekniklerinin küçük veri setlerinde performansı artırdığı gözlemlenirken, büyük veri setlerinde etkili olmadığı görülmüştür. Veri setlerinin birleştirilmesini içeren deneylerde, yeterli sayıda örneğe sahip veri setlerinde de belli oranda başarı artışı sağlanabilmiştir.
Özet (Çeviri)
Every year, forest fires leave irreparable damage to ecosystems that can last for many years. Many of these fires are caused by humans, complicating our efforts to protect nature. This thesis aims to solve this significant problem effectively by increasing the detection rate of forest fires. One of the most serious issues of our time is the detection of forest fires, and this study aims to evaluate the effectiveness of existing solutions in the literature by focusing on image-processing techniques. In this study, YOLOv8 and YOLOv11 algorithms, based on Deep Learning and recognized for their high performance in object detection, were utilized for fire detection. The YOLO algorithm stands out as an ideal method for the early detection of forest fires due to its speed and accuracy advantages in real-time object detection. An approach was developed to improve object detection rates by combining different datasets containing forest fire and smoke images with data augmentation methods. The study used three datasets containing both fire and smoke images and a fourth dataset containing only smoke images. While data augmentation techniques were observed to enhance performance in smaller datasets, they proved to be less effective with larger datasets. Experiments involving the merging of datasets with enough samples also demonstrated an increase in success.
Benzer Tezler
- Video processing algorithms for wildfire surveillance
Orman yangını gözetleme amaçlı video işleme algoritmaları
OSMAN GÜNAY
Doktora
İngilizce
2015
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. A. ENİS ÇETİN
- Optimization of deep neural network architectures for the forest fire detection
Orman yangini tespitinde derin sinir aği mimarilerinin optimizasyonu
BERRİN SAVDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
PROF. DR. HAZIM KEMAL EKENEL
- Orman yangınlarının görüntü işleme ile tespiti
Detection of forest fires with image processing
ANIL ALİŞER
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP BALA DURANAY
- Yapay zekâ ile akıllı şehirlerde çevresel görüntü ve video analizi
Yapay zekâ ile akilli şehirlerde çevresel görüntü ve video analizienvironmental image and video analysis in smart cities with artificial intelligence
KUDRET DİNÇ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiAdli Bilişim Mühendisliği Ana Bilim Dalı
DOÇ. DR. ORHAN YAMAN
- Fully convolutional one-stage object detection model for fire and smoke detection
Yangın ve duman tespiti için tam evrişimsel tek aşamalı nesne algılama modeli
EKREM YILDIZ
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KESKİNÖZ