Hassas güdümlü ateşli silahların grup halinde kullanımlarında taktiksel etkinliklerinin artırılması
Increasing the tactical effectiveness of precision-guided firearms in group usage
- Tez No: 929434
- Danışmanlar: PROF. DR. MURAT CEYLAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 962
Özet
Kızılötesi termal görüntüleme, nesnelerin yaydığı ısı enerjisinin algılanmasıyla oluşturulan bir görüntüleme yöntemidir. Görünür ışığa bağımlı olmaksızın hem gece hem de gündüz koşullarında etkili bir şekilde kullanılabilmektedir. Bu özellik, özellikle görüşün kısıtlandığı çevresel koşullarda (sis, yağmur, kar vb.) önemli avantajlar sağlamaktadır. Çevresel faktörlerden etkilenme oranının düşük olması, termal görüntüleme sistemlerini askeri ve sivil alanlarda kritik durumlar için güvenilir bir çözüm haline getirmektedir. Askeri operasyonlarda, düşman unsurlarının yoğun sis, karanlık veya diğer olumsuz hava koşulları altında tespit edilmesi sahadaki operasyonel başarıyı artırmaktadır. Sivil alanlarda ise güvenlik taramaları, yangın tespiti ve arama kurtarma operasyonları gibi çeşitli uygulamalarda kullanılmaktadır. Termal görüntüleme teknolojisinin geniş kullanım potansiyeline rağmen, uç cihazlarda uygulanması sırasında karşılaşılan sınırlamalar, performans ve enerji verimliliğinin optimize edilmesini gerektirmektedir. Uç cihazlar, sınırlı işlem gücü, düşük enerji kapasitesi ve kompakt donanım yapıları nedeniyle, özellikle enerji verimli algoritmaların geliştirilmesi ve hafif yapay zeka modellerinin tasarımı gibi yenilikçi çözümlere ihtiyaç duymaktadır. Derin öğrenme tabanlı nesne tespiti modelleri, termal görüntüleme alanında doğruluk oranlarını artırmakta ancak yüksek hesaplama gereksinimleri nedeniyle uç cihazlarda performans ve enerji tüketimi arasında bir denge kurulmasını zorunlu kılmaktadır. Tez çalışması, termal görüntüleme teknolojisinin uç cihazlarda nesne tespiti ve takibi için enerji verimli ve yüksek performanslı çözümler geliştirilmesine yönelik kapsamlı bir çerçeve sunmaktadır. Çalışmada, NVIDIA Jetson Nano, Xavier NX, Orin Nano, Orin NX ve Rockchip RK3588 gibi farklı uç cihaz platformlarının enerji tüketimi, işlem kapasitesi ve nesne tespiti performansları analiz edilmiştir. YOLOX, YOLOv8, YOLOv9, YOLOv10 ve Gold YOLO gibi yapay zeka tabanlı nesne tespiti modelleri bu uç cihazlarda çalıştırılarak termal görüntüler analiz edilmiştir. Modellerin doğruluk oranları, işlem hızları ve hesaplama maliyetleri karşılaştırılmıştır. Bu değerlendirme için RSH ve RSHAY parametreleri literatürde ilk kez bu tez çalışması ile tanımlanmış ve bu sayede hem uç donanım için en uygun yapay zeka modeli belirlenmiş hem de cihazlar arasında en verimli sistemin seçimi yapılmıştır. Gerçek zamanlı performansı artırmak amacıyla, obje tespit modellerinin yapısı optimize edilerek donanım hızlandırıcılar aktif şekilde kullanılmıştır. Jetson Orin Nano uç cihazında 512x512 piksel giriş çözünürlüğüne sahip YOLOv8 PostDas modelinin, termal görüntü analizinde en verimli uç donanım–obje tespit modeli çifti olduğu tespit edilmiştir. Çalışmanın bir diğer önemli katkısı, uç cihazların birbirleriyle koordinasyonunu sağlayan bir iletişim altyapısının geliştirilmesidir. Bu altyapı, uç cihazlarda tespit edilen nesnelerin ana sunucu bilgisayara aktarılmasını ve merkezi bir analiz süreci gerçekleştirilmesini içermektedir. Merkezi analiz sayesinde cihazlar arası koordinasyon sağlanmış ve nesne takibinde yenilikçi bir yaklaşım ortaya konmuştur. Sonuç olarak, termal görüntüleme sistemlerinin performansını artırırken enerji verimliliğini optimize eden tez çalışması, batarya ile çalışan taşınabilir gözetleme sistemlerinden insansız araçlara kadar geniş bir uygulama yelpazesi için ölçeklenebilir çözümler sunmuştur.
Özet (Çeviri)
Infrared thermal imaging is a technique of visualization that captures the heat energy emitted by objects. Unlike systems dependent on visible light, thermal imaging works well in day and night conditions. This capability provides great advantages, especially under environmental constraints such as fog, rain, or snow. Due to its low susceptibility to environmental factors, thermal imaging systems are a reliable solution for critical applications in military and civilian domains. The ability to detect adversaries in heavy fog or in total darkness during military operations improves the outcome of a mission on the field. Thermographic cameras also find extensive use in civilian security screenings, fire detection, and search-and-rescue missions. Despite the wide potential of thermal imaging, its practical implementation on edge devices is fraught with challenges: there is a strong need to optimize performance and energy efficiency. With limited processing power, low energy capacity, and compact hardware, edge devices require innovative solutions, such as the development of energy-efficient algorithms and lightweight AI models. While deep learning-based object detection models improve the accuracy of thermal imaging considerably, they also involve a high degree of computational requirements, hence a delicate balance of performance and energy consumption arises on edge devices. The main contribution of this thesis is the generic framework for developing energy-efficient and high-performance solutions to object detection and tracking problems in thermal imaging on edge devices. Energy consumption, processing capacity, and object detection performance of various edge device platforms such as the NVIDIA Jetson Nano, Xavier NX, Orin Nano, Orin NX, and Rockchip RK3588 are studied. These devices were utilized for the implementation of thermal image analysis using AI-based object detection models such as YOLOX, YOLOv8, YOLOv9, YOLOv10, and Gold YOLO. The accuracy rate, frame per second, and computational cost of the models have been compared. In this study, the newly introduced RSH and RSHAY in this thesis were applied for finding a suitable AI model that can work best for the edge hardware and for selecting the most efficient system across devices. To strengthen performance in real time, there was the optimization of object detection models, with hardware accelerators utilized actively. This model came out as the best combination of edge hardware and object detection model that was efficient in carrying out thermal image analysis with the YOLOv8 PostDas model on the Jetson Orin Nano edge device at an input resolution of 512x512 pixels. The second crucial contribution provided by this paper is regarding the development of the communicating infrastructure that lets edge coordination happen. At the same time, this layer makes object detection propagate on this server for analysis purposes, wherein the contribution has gone for laying down centralized coordination, altogether new approach and thus contributed toward object tracking with facility brought to coordination amidst several associated devices. Hence, facilitating centralized analysis gave room among various devices' coordination through object tracking between numerous devices being able to avail that resource. The conclusions of this thesis contribute to the improvement of the performance of thermal imaging systems while optimizing energy efficiency. The results of the research will provide scalable solutions applicable in a wide range of systems, from battery-operated portable surveillance devices to unmanned vehicles, contributing both to academic research and industrial applications.
Benzer Tezler
- Hassas güdümlü sistemler için iki bant kızılötesi arayıcı başlık optik tasarımı
Optical design of a dual band infrared seeker for precision guided systems
ASLI DOĞAN
Yüksek Lisans
Türkçe
2019
Fizik ve Fizik MühendisliğiHacettepe ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AKIN BACIOĞLU
- Hava trafik tanımlama ve teşhis optimizasyonu için bir karar destek sistemi
A decision support system for air traffic definition and identification optimization
HİRA TUNA ÜNLÜ
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiHacettepe ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DERYA DİNLER
- Missile evasion maneuver generation with model-free deep reinforcement learning
Modelden bağımsız derin pekiştirmeli öğrenme ile füzeden kaçınma manevraları
MUHAMMED MURAT ÖZBEK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DOÇ. DR. EMRE KOYUNCU
- Fiziksel optik yöntemi ile gemi modelinin ka-bant radar kesit alanı analizi
Ka-band radar cross section analysis of a ship model using physical optics method
SULTAN ATALAR
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiMilli Savunma ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH ERDEN
PROF. DR. AHMET SERDAR TÜRK
- Lazer takip sistemi tasarımı ve prototip uygulaması
Guided laser tracking system and prototype implementation
HASAN ÖZDEM
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM UZMAY