Yapay zeka kullanılarak deprem bölgelerinde drone ile alınan görüntülerden enkaz tespitinin gerçekleştirilmesi
Debris detection from drone imagery in earthquake zones using artificial intelligence
- Tez No: 963194
- Danışmanlar: DOÇ. DR. KADİR SABANCI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karamanoğlu Mehmetbey Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 91
Özet
Bu çalışmada, YOLOv8 algoritmasının Nano, Small, Medium ve Large olmak üzere dört farklı versiyonu kullanılarak, afet bölgelerinde drone ile elde edilen görüntüler üzerinden enkaz tespiti gerçekleştirilmiştir. 2023 yılında meydana gelen Hatay-Maraş depreminin ardından kamuya açık bir kaynaktan temin edilen drone görüntüleriyle özel bir veri seti oluşturulmuştur. Görseller, Roboflow platformu aracılığıyla tek sınıflı (enkaz) olarak etiketlenmiş; veri artırma amacıyla döndürme (rotation) ve yansıma (flip) gibi teknikler uygulanmıştır. 2099 görüntüden oluşan veri seti %89 eğitim ve %11 doğrulama şeklinde bölünmüş, her model ayrı ayrı eğitilmiştir. Eğitim süreci sonunda [email protected], kesinlik (precision), duyarlılık (recall), F1 skoru gibi metrikler ile karışıklık matrisleri üzerinden karşılaştırmalar yapılmıştır. YOLOv8 Medium modeli %75.9 mAP ve %93 Recall ile en başarılı sonuçları vermiştir. Ayrıca fiziksel test ortamında, zemine yerleştirilen enkaz görsellerinden drone aracılığıyla elde edilen görüntüler üzerinde yapılan tespitlerde modelin başarılı sonuçlar verdiği gözlemlenmiştir. Bu bulgular, geliştirilen sistemin afet sonrası arama-kurtarma süreçlerinde kullanılabilirliğini ortaya koymaktadır.
Özet (Çeviri)
In this study, debris detection was performed in disaster-stricken areas using four different versions of the YOLOv8 algorithm: Nano, Small, Medium, and Large. Following the 2023 Hatay-Maraş earthquake, a custom dataset was created using drone images obtained from a publicly available source. The images were annotated as a single class (debris) via the Roboflow platform, and data augmentation techniques such as rotation and flipping were applied. The dataset, consisting of 2,099 images, was split into 89% for training and 11% for validation, and each model was trained separately. At the end of the training process, performance comparisons were conducted using metrics such as [email protected], Precision, Recall, and F1-score, along with confusion matrices. The YOLOv8 Medium model yielded the best results with 75.9% mAP and 93% Recall. Furthermore, in a physical testing environment, the model demonstrated successful detection on drone images captured over debris visuals placed on the ground. These findings indicate the potential applicability of the developed system in post-disaster search and rescue operations.
Benzer Tezler
- Enhancing disaster management through deep learning: Building damage assessment using satellite imagery
Derin öğrenme ile afet yönetiminin geliştirilmesi: Uydu görüntüleri kullanılarak bina hasar tespiti
MOHAMMADREZA MOHAMMADIAHANI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiAfet ve Acil Durum Yönetimi Ana Bilim Dalı
PROF. DR. DİDEM SALOĞLU DERTLİ
- Prediction of response and damage of reinforced concrete joints through artificial intelligence techniques
Betonarme birleşim bölgelerinde tepki ve hasarın yapay zekâ teknikleri kullanılarak tahmini
MEHMET OZAN YILMAZ
Doktora
İngilizce
2023
İnşaat MühendisliğiYıldız Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. SERKAN BEKİROĞLU
- Performance of historical bridge subjected to theblast loads
Patlama yüklerıne maruz kalan tarıhı köprününperformansı
AMIN BAGHERZADEH AZAR
Doktora
İngilizce
2025
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiDeprem Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ SARI
- Out-of-plane behaviour assessment of double-leaf masonry walls and numerical model for nonlinear analysis
Çift yapraklı yığma duvarların düzlem dışı davranışlarının değerlendirilmesi ve doğrusal olmayan analiz için sayısal model önerilmesi
ALVAND MOSHFEGHI
Doktora
İngilizce
2025
Deprem Mühendisliğiİstanbul Teknik ÜniversitesiDeprem Mühendisliği Ana Bilim Dalı
PROF. DR. İHSAN ENGİN BAL
- Web-CBS ile hızlı görsel tarama sistemi tasarımı
Fast visual scanning system design with Web-GIS
BARIŞ SERKAN AKIN
Yüksek Lisans
Türkçe
2023
Deprem Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİMMET KARAMAN