Geri Dön

Afetten etkilenen bölgelerin ve binaların hava görüntülerinden derin öğrenme tabanlı belirlenmesi

Deep learning-based detection of affected areas and buildings from aerial images in disaster zones

PDF İndir

  1. Tez No: 951547
  2. Yazar: ABDULLAH ŞENER
  3. Danışmanlar: PROF. DR. BURHAN ERGEN
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 139

Özet

Doğal afetler, genellikle öngörülemeyen ve ani şekilde meydana gelen doğa olayları olarak tanımlanmakta, hem insan yaşamı hem de çevre üzerinde ciddi etkiler yaratmaktadır. Depremler, toprak kaymaları, seller, orman yangınları, fırtınalar, kasırgalar ve tsunamiler gibi afetler, toplumların yaşamını derinden etkileyen başlıca afet türlerindendir. Bu afetlerin ardından gerçekleştirilen arama ve kurtarma faaliyetleri, hem insan hayatının korunması hem de müdahale ekiplerinin güvenliğinin sağlanması açısından büyük önem taşımaktadır. Söz konusu operasyonlar; afet bölgesine erişim, hasar tespiti, mahsur kalan bireylerin kurtarılması, acil tıbbi yardım sağlanması ve temel ihtiyaçların karşılanması gibi kritik adımları içermektedir. Son yıllarda, uzaktan algılama teknolojileri ile elde edilen görüntülerin kullanımı, afet sonrası hasar tespitinde önemli bir araç haline gelmiştir. Bu tez çalışmasında, farklı afet türlerine yönelik geliştirilen yeni segmentasyon ve sınıflandırma modelleri ile, afetten etkilenen bölgelerin yüksek doğruluk oranlarıyla tespit edilmesi amaçlanmıştır. Çalışmada geliştirilen FASegNet modeli,“Flood Area”ve“Water Bodies”veri setleri üzerinde sırasıyla %84.3 ve %84.5 ortalama kesişim üzeri birlik (mIoU) değerlerine ulaşarak sel ve tsunami gibi afet senaryolarında yüksek performans sergilemiştir. LandslideSegNet modeli, Landslide4Sense veri setinde %97.60 genel doğruluk ve %73.65 mIoU değerleriyle toprak kayması bölgelerinin hassas segmentasyonunu sağlamıştır. Yapı tespiti amacıyla geliştirilen ABDSegNet modeli,“WHU Building”ve“Inria Aerial Image Labeling”veri setlerinde sırasıyla %90.94 ve %79.59 mIoU başarıları elde etmiş; ayrıca 2023 Kahramanmaraş depremi sonrası yapı hasarlarının değerlendirilmesinde başarılı sonuçlar vermiştir. İklim değişikliğinin su kaynakları üzerindeki etkilerini incelemek amacıyla geliştirilen WBSegNet modeli ise, %95.36 doğruluk ve %85.51 mIoU performansı ile Türkiye'deki göl seviyelerinin izlenmesinde etkin bir şekilde kullanılabilir olduğunu göstermiştir. Orman yangınlarının erken tespiti için önerilen ViT tabanlı model, üç farklı Vision Transformer mimarisinden elde edilen öznitelikleri birleştirip, mRMR optimizasyonu ile filtreleyerek %100 doğruluk oranına ulaşmıştır. Elde edilen bulgular, geliştirilen segmentasyon ve sınıflandırma modellerinin farklı afet senaryolarında yüksek doğruluk ve verimlilikle çalıştığını göstermektedir. Bu modeller, afet anında gerçekleştirilecek arama ve kurtarma faaliyetlerine destek sağlayarak acil durum yönetimine yönelik kritik bilgiler sunmaktadır. Ayrıca, modellerin farklı iklim koşulları ve çeşitli coğrafi yapılar üzerinde de etkili olduğu gözlemlenmiş, bu durum onların geniş çaplı uygulama potansiyeline sahip olduğunu ortaya koymuştur.

Özet (Çeviri)

Natural disasters are usually defined as sudden and unpredictable natural events that have a serious impact on human life and the environment. Earthquakes, landslides, floods, forest fires, storms, hurricanes and tsunamis are among the most important types of disasters that have a profound impact on society. Search and rescue operations following such events are critical to the protection of human life and the safety of emergency responders. These operations involve several important phases, including accessing the disaster area, assessing structural damage, rescuing trapped victims, providing urgent medical assistance and meeting basic needs. In recent years, the use of remote sensing imagery has become an indispensable tool for post-disaster damage assessment. This work aims to accurately recognise the regions affected by a disaster by developing novel segmentation and classification models tailored to different types of natural disasters. The FASegNet model achieved mean Intersection over Union (mIoU) values of 84.3% and 84.5% for the“Flood Area”and“Water Bodies”datasets, respectively, demonstrating high performance in flood and tsunami scenarios. The LandslideSegNet model achieved an overall accuracy of 97.60% and an mIoU value of 73.65% for the Landslide4Sense dataset, enabling precise delineation of landslide areas. For building detection, the ABDSegNet model achieved mIoU values of 90.94% and 79.59% for the“WHU Building”and“Inria Aerial Image Labelling”datasets, respectively, and delivered successful results in the damage assessment after the 2023 Kahramanmaraş earthquake. The WBSegNet model, which was developed to study the impact of climate change on water resources, performed strongly with an accuracy of 95.36% and an mIoU value of 85.51%, proving its applicability in monitoring lakes in Turkey. A hybrid model based on Vision Transformer (ViT) was proposed for early detection of forest fires. By integrating features extracted from three different ViT architectures and filtering them using Minimum Redundancy Maximum Relevance (mRMR) optimisation, the model achieved 100% accuracy. The results show that the developed segmentation and classification models provide very accurate and efficient results in different situations.

Benzer Tezler

  1. Tez No

    405081

    Binalarda kat bilgisinin mobil sensörler yardımıyla acil durum ve yönetim amaçlı tahmini

    Estimation of exact floor information for emergency and emergency management on buildings by using mobile

    SEMİH DALĞIN

    Doktora

    Türkçe

    Türkçe

    2015

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET ÖZGÜR DOĞRU

  2. Tez No

    942791

    Dynamic resource allocation for humanitarian relief chain coordination integrated with volunteers

    İnsani yardım zinciri koordinasyonunda gönüllülerle entegre dinamik kaynak tahsisi modeli

    EMİNE NİSA KAPUKAYA

    Doktora

    İngilizce

    İngilizce

    2025

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ITIR SATOĞLU

  3. Tez No

    937947

    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

    Türkçe

    2025

    Jeodezi ve FotogrametriMersin Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    DOÇ. DR. MUZAFFER CAN İBAN

    PROF. DR. DURSUN ZAFER ŞEKER

  4. Tez No

    602489

    Deprem etkisi altındaki yüksek yapılarda titreşim analizi

    Vibration analysis in tall buildings under earthquake impact

    HİLMİ İLTER

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Makine MühendisliğiManisa Celal Bayar Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SAİM KURAL

  5. Tez No

    517883

    Routing for post-disaster needs assessment to improve information accuracy and precision

    Afet sonrası ihtiyaç değerlendirme için doğruluk ve duyarlığı geliştiren rotalama problemi

    DUYGU PAMUKÇU

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MELİH ÇELİK

    DOÇ. DR. BURCU BALÇIK KOYUNCU

Geri Dön