Geri Dön

Derin öğrenme tekniklerine dayalı enkaz altı canlı ve konum tespiti

Deep learning-based detection and localization of human under debris

PDF İndir

  1. Tez No: 964705
  2. Yazar: ÖZDEN NİYAZ
  3. Danışmanlar: PROF. DR. BURCU ERKMEN, DOÇ. DR. PEYMAN MAHOUTİ
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektronik Bilim Dalı
  13. Sayfa Sayısı: 105

Özet

Günümüzde, deprem kaynaklı binaların çökmesi sonucu meydana gelen hayat kayıpları ve enkaz altında uzun süre bekleyen kurtarma müdahaleleri, ciddi bir sorun olarak öne çıkmaktadır. Özellikle deprem kuşağında bulunan ülkemizde, mevcut arama-kurtarma yöntemlerinin dezavantajları nedeniyle, radar sinyallerinden yararlanarak derin öğrenme tabanlı enkaz altı canlı ve konum tespit sistemlerine duyulan ihtiyaç giderek artmaktadır. Bu tez çalışmasında, 150–650 MHz bandında ölçülen radar sinyalleri kullanılarak, enkaz ortamında solunum ve hareket kaynaklı sinyallerin ayrıştırılması hedeflenmiştir. Zorlu çevresel koşullar altında geleneksel yöntemlerin yetersiz kaldığı durumlarda, zaman–frekans dönüşümleri ile veriye özgü geliştirilmiş derin öğrenme modellerinin entegrasyonunun, tespit doğruluğunu artıracağı öngörülmüştür. Çalışmanın kapsamlı değerlendirmesi, benzetim ortamında oluşturulan fantom verileri, laboratuvar ortamında gerçekleştirilen kontrollü ölçümler ve gerçek saha verilerinin kullanılmasıyla farklı senaryolarda gerçekleştirilmiştir. Laboratuvar ortamında gerçek yapı malzemelerinden oluşturulan enkaz modeli ve gerçek arama-kurtarma sahalarından elde edilen uzun süreli ölçümler, derin öğrenme tabanlı yaklaşımların çeşitli sinyal işleme teknikleriyle desteklendiğinde enkaz altındaki bireylerin tespitini kolaylaştırdığını ortaya koymuştur. Ayrıca, çoklu anten konfigürasyonları aracılığıyla elde edilen faz ve genlik bilgilerinin işlenmesiyle, hedefin konumunun belirlenebileceği derin öğrenme yöntemleri kanıtlanmıştır. Önerilen sistem, enkaz ortamındaki karmaşık sinyaller arasında operatör kaynaklı gürültülerden arındırılmış biçimde, enkaz altında sesini duyuramayan bireylerin tespitine odaklanmaktadır. Bununla birlikte, sınırlı katılımcı sayısı, ortam gürültüsü ve yüksek hesaplama gereksinimleri gibi unsurlar, ileri araştırmaların ele alması gereken noktalar arasında yer almaktadır. Sonuç olarak, bu tez çalışması radar verilerine özgü olarak oluşturulmuş derin öğrenme tekniklerine dayalı olarak enkaz altında canlı ve konum tespiti gerçekleştirmekte olup, arama kurtarma operasyonlarına yönelik geliştirilebilecek tespit cihazlarına dair kapsamlı bir kaynak sunmaktadır.

Özet (Çeviri)

Today, the loss of life caused by building collapses during earthquakes and the extended waiting times for rescue operations under debris have become serious issues. In our country, situated in an earthquake-prone region, the limitations of current search-and-rescue methods have increased the demand for deep learning-based systems that utilize radar signals to detect survivors and determine their locations. In this thesis, the objective is to distinguish between respiration- and movement-induced signals in debris environments by employing radar signals measured in the 150–650 MHz band. It is anticipated that, in conditions where traditional methods fall short under harsh environmental circumstances, integrating time–frequency transformations with data-specific deep learning models will enhance detection accuracy. A comprehensive evaluation was conducted across various scenarios using phantom data generated in a simulation environment, controlled measurements in the laboratory, and real field data. Controlled measurements from a laboratory-constructed debris model using actual building materials and long-term data from real search-and-rescue sites have demonstrated that deep learning approaches supported by diverse signal processing techniques facilitate the detection of individuals under debris. Furthermore, deep learning methods that process phase and amplitude information obtained through multiple antenna configurations have proven effective in determining the target's location. The proposed system focuses on detecting individuals whose voices cannot be heard under debris by filtering out operator-induced noise from complex signal environments. Nonetheless, challenges such as a limited number of participants, ambient noise, and high computational requirements highlight areas for future research. In conclusion, this thesis presents a deep learning-based approach specifically developed for radar data to detect survivors and determine their positions under debris, thereby providing a comprehensive resource for the development of detection devices for search-and-rescue operations.

Benzer Tezler

  1. Tez No

    765228

    A facial age group classifier based on deep learning techniques

    Derin öğrenme tekniklerine dayalı yüz yaş grubu sınıflandırıcısı

    AHMAD ALSALEH

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnadolu Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CAHİT PERKGÖZ

  2. Tez No

    802379

    Makine ve derin öğrenme tekniklerine dayalı olarak güvenlik duvarı verilerinin analizi

    Analysis of firewall data based on machine and deep learning techniques

    SİNAN DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZAFER ASLAN

  3. Tez No

    903949

    End-to-end tire defect detection model based on machine and deep learning techniques

    Makine ve derin öğrenme tekniklerine dayalı uçtan uca lastik arıza tespit modeli

    RADHWAN ALI ABDULGHANI SALEH

    Doktora

    İngilizce

    İngilizce

    2024

    Mekatronik MühendisliğiKocaeli Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN METİN ERTUNÇ

  4. Tez No

    887668

    Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids

    Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi

    FATHI FARAH FADOUL FATHI FARAH FADOUL

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. RAMAZAN ÇAĞLAR

  5. Tez No

    810768

    Analysis of wound healing assay data of phasecontrast optical microscopy using traditional computer vision and deep learning techniques

    Geleneksel bilgisayarda görü ve derin öğrenme teknikleri kullanılarak faz kontrast optik mikroskopi yara iyileşmesi deney verilerinin analizi

    YUSUF SAİT ERDEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİzmir Demokrasi Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. DEVRİM ÜNAY

    PROF. DR. BEHÇET UĞUR TÖREYİN

Geri Dön