Depremden yıkılan binaların tespitinde makine öğrenme yöntemlerinin değerlendirilmesi
Evaluation of machine learning methods in detecting buildings collapsed by earthquakes
- Tez No: 944941
- Danışmanlar: DOÇ. DR. DİLEK KÜÇÜK MATCI
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Geodesy and Photogrammetry
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 97
Özet
Bu tez çalışması, 2023 Kahramanmaraş depremleri sonrasında Hatay Antakya bölgesindeki hasarlı ve yıkılmış yapıların tespiti için yüksek çözünürlüklü insansız hava aracı(İHA) görüntülerinin analizine odaklanmaktadır. Çalışmada, nesne tabanlı görüntü analizi desteğiyle farklı makine öğrenimi(ML) yöntemleri kullanılarak detaylı bir değerlendirme yapılmıştır. Deprem sonrası Antakya' da elde edilen insansız hava aracı (İHA) görüntüleri üzerinde çoklu çözünürlüklü segmentasyon işlemi (MRS) uygulanmıştır. Segmentasyon parametrelerinin optimizasyonu kapsamında, ölçek, şekil ve yoğunluk değerleri sistematik olarak test edilmiştir. Bu süreçte, her parametre kombinasyonu için görsel kontrol ve istatistiksel analizler yapılmıştır. Nesnelerden çıkarılan spektral, dokusal ve şekil özellikleri, Rastgele Orman (RF), Destek Vektör Makineleri (SVM) ve K-En Yakın Komşuluk (KNN) algoritmalarıyla analiz edilmiştir. Performans değerlendirmesinde kullanılan genel doğruluk (OA), üretici doğruluğu (PA) ve kullanıcı doğruluğu (UA) metrikleri, algoritmaların karşılaştırılmasında objektif bir temel sağlamıştır. Sonuçlar, K-NN algoritmasının genel doğruluk anlamında diğer yöntemlere göre daha başarılı olduğunu göstermiştir. Çalışmanın bulguları, afet sonrası hızlı değerlendirme çalışmalarında makine öğrenmesi tabanlı yöntemlerin pratik faydalarını ortaya koymaktadır. Bu çalışma, İnsansız Hava Aracı ve yüksek çözünürlüklü uydu görüntüsü aracılığı ile enkaz tespitinde başarı oranının arttırmıştır. Özellikle kentsel alanlarda yıkım tespiti için bu tür analizlerin etkin bir şekilde kullanılabileceği anlaşılmaktadır. Ancak, mevcut yöntemlerin sınırlılıklarının aşılması için daha gelişmiş segmentasyon tekniklerinin geliştirilmesi ve farklı veri kaynaklarının entegre edilmesi gerektiği sonucuna varılmıştır.
Özet (Çeviri)
This thesis study focuses on the analysis of high-resolution unmanned aerial vehicle (UAV) imagery for detecting damaged and collapsed structures in the Hatay Antakya region following the 2023 Kahramanmaraş earthquakes. The study employs object-based image analysis supported by various machine learning (ML) methods to conduct a detailed evaluation. Multi-resolution segmentation (MRS) was applied to Unmanned Aerial Vehicles (UAV) imagery collected in Antakya after the earthquake. Scale, shape, and compactness values were systematically tested to optimize the segmentation parameters. Each parameter combination was subjected to visual inspection and statistical analysis during this process. The spectral, textural, and shape features extracted from the objects were analyzed using Random Forest (RF), Support Vector Machines (SVM), and K-Nearest Neighbors (KNN) algorithms. The overall accuracy (OA), producer's accuracy (PA), and user's accuracy (UA) metrics, used for performance evaluation, provided an objective basis for comparing the algorithms. The results indicate that the K-NN algorithm outperformed the other methods in terms of overall accuracy. The findings of this study highlight the practical benefits of machine learning-based methods in rapid assessment efforts following disasters. This study has increased the success rate of debris detection through the use of Unmanned Aerial Vehicles and highresolution satellite imagery. It is evident that such analyses can be effectively utilized for damage detection in urban areas. However, it has been concluded that overcoming the limitations of the current methods requires the development of more advanced segmentation techniques and the integration of diverse data sources.
Benzer Tezler
- Derin öğrenme ile Kahramanmaraş depremleri sonrası yıkılan ve yıkılmayan binaların yüksek çözünürlüklü uzaktan algılama uydu verileri ile tespiti
Detection of collapsed and non-collapsed buildings after Kahramanmaraş earthquakes with high resolution remote sensing satellite data and deep learning
DOĞU İLMAK
Yüksek Lisans
Türkçe
2025
Jeodezi ve FotogrametriMersin ÜniversitesiUzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
DOÇ. DR. MUZAFFER CAN İBAN
PROF. DR. DURSUN ZAFER ŞEKER
- Derin öğrenme ile depremden sonra enkaz kaldırma çalışmalarının uydu görüntüleriyle takibi: Hatay örneği
Monitoring debris removal efforts after an earthquake with satellite imagery with deep learning: The Hatay example
BERFİN NUR KARABULUT
Yüksek Lisans
Türkçe
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. MUSTAFA YANALAK
- Automatic detection of earthquake damaged buildings from stereo aerial photgraphs
Stereo hava fotoğraflarından yaralanılarak depremde yıkılan binaların otomatik olarak tespiti
BÜLENT ÇETİNKAYA
Yüksek Lisans
İngilizce
2002
Jeodezi ve FotogrametriOrta Doğu Teknik ÜniversitesiJeodezi ve Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. MUSTAFA TÜRKER
- Deprem nedeniyle yıkılan binaların fotogrametrik yöntemlerle tespit edilerek zemin ve yapı parametrelerinin yıkımlara etkisinin incelenmesi: Elbistan-Pazarcık depremleri örneği
Detection of collapsed buildings an earthquake using photogrammetric methods and analysis of the effects of soil and structure parameters on collapses: A case study of the Elbistan-Pazarcik earthquakes
UĞUR GÜRBÜZ
Yüksek Lisans
Türkçe
2024
Deprem MühendisliğiZonguldak Bülent Ecevit ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN KEMALDERE
- 17 Ağustos 1999 depreminde yıkılan binaların mimari hataları
Architectural errors, that caused building collapsing during 17 August 1999
NEŞAT KONAK
Yüksek Lisans
Türkçe
2002
İnşaat MühendisliğiSakarya Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF.DR. ADİL ALTINDAL