Derin öğrenme yöntemi ile havaalanlarında piste yetkisiz giriş uyarı sistemi
Unauthorized runway entry warning system at airports using deep learning method
- Tez No: 969527
- Danışmanlar: DR. ÖĞR. ÜYESİ AYŞE AYDIN YURDUSEV
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: İnsan-yapay zeka etkileşimi, Human-artificial intelligence interaction
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Amasya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çok sayıda insan, ulaşım ve taşımacılık konusunda havaalanlarını yoğun bir şekilde kullanmaktadır. Bu sebeple gerek insan sayısındaki fazlalık gerekse trafik yoğunluğu, havaalanlarında potansiyel suç oluşumuna sebep olabilmektedir. Gelişen teknoloji ve güvenlik yönetimi stratejileri ile emniyet önlemleri arttırılarak kaza ve saldırı ihtimali düşürülmeye çalışılmaktadır. Güvenlik sistemleri, terminal ve yolcuların izlenerek herhangi bir açığın ortaya konulması için kullanılmaktadır. Bu sistem sayesinde havaalanlarında gelişen veya gelişme ihtimali olan olaylar tespit edilmektedir. Havaalanı çevresinde, sınır ihlali, uçağın kalkış veya iniş esnasında piste girme girişiminde bulunan canlıların takip edilip önlenmesi gibi uygulamalar yapılmaktadır. Bu çalışmada, havaalanı güvenliği için önemli bir husus olan erken uyarı sistemleri üzerine odaklanılmaktadır. İnsan, nesne ve hayvan tespiti üzerine yoğunlaşılarak havaalanı çevresinde olası tehditlerin engellenmesi amacıyla görüntü işleme yöntemleri kullanılmıştır. Çalışma iki uygulamadan oluşmaktadır. Bu sayede sınıf farklılığına göre çalışmanın sonuçları gözlemlenecektir. İlk uygulamada sınıf sayısı düşük tutulup çalışmanın başarım seviyesi gözlemlenmiştir. Bu uygulamada, insan, nesne (ağaç) ve hayvan (kedi) görüntüleri ile nesne tespiti ve sınıflandırma yapılarak belirlenen hayali sınır ile ihlal senaryoları test edilmiştir. Sınır ihlal senaryoları sonucunda, insan, nesne (ağaç) ve hayvan (kedi) görüntülerinin eğitilmesi ile oluşturulan test kümesi sonucuna göre başarı oranı ağaç için %99, insan için %94 ve hayvan (kedi) için %100 olarak elde edilmiştir. İkinci uygulamada ise sınıf sayısı artırılmıştır. Sınıf sayısına insan, nesne (ağaç) ve hayvan (kedi) görüntülerinin yanında inek ve keçi görüntüleri de dahil edilip nesne tespiti ve sınıflandırma yapılarak belirlenen hayali sınır ile ihlal senaryoları test edilmiştir. Sınır ihlal senaryoları sonucunda, insan, nesne (ağaç) ve hayvan (kedi, inek, keçi) görüntülerinin eğitilmesi ile oluşturulan test kümesi sonucuna göre başarı oranı nesne (ağaç) için %91, insan için %86, hayvan (kedi) için %84, hayvan (inek) için %89 ve hayvan (keçi) için %75 olarak elde edilmiştir.
Özet (Çeviri)
A large number of people make extensive use of airports for transportation and travel purposes. Consequently, both the high volume of individuals and the intensity of traffic can lead to the emergence of potential criminal activities within airport premises. In response, advancements in technology and the implementation of modern security management strategies have aimed to enhance safety measures and reduce the likelihood of accidents and attacks. Security systems are employed to monitor terminals and passengers, enabling the identification of possible vulnerabilities. Through such systems, incidents occurring or likely to occur at airports can be detected in advance. Around airport perimeters, various applications are implemented, such as monitoring and preventing border breaches or the intrusion of living beings onto the runway during aircraft takeoff or landing. This study focuses on early warning systems, which are an important issue for airport security. Image processing techniques have been utilized with a particular focus on the detection of humans, objects, and animals, in order to prevent potential threats around airport environments. The study consists of two applications. In this way, the results of the study will be observed according to class differences. In the first application, the number of classes was kept little and the success level of the study was observed. In this application, violation scenarios were tested with imaginary boundaries determined by object detection and classification with human, object (tree) and animal (cat) images. Based on the test dataset generated through the training of these classes, the success rates were obtained as 99% for trees, 94% for humans, and 100% for cats. In the second implementation, the number of classes was increased. In addition to humans, objects (trees), and animals (cats), images of cows and goats were also included. Object detection and classification were again performed, and virtual boundary intrusion scenarios were tested. According to the results obtained from the test dataset, which was formed using images of all these categories, the success rates were determined as 91% for trees, 86% for humans, 84% for cats, 89% for cows, and 75% for goats.
Benzer Tezler
- Hava alanları kaplamalı sahalarında oluşan yüzey kusurlarının derin öğrenme ile tespit edilmesi
Detection of surface defects in paved areas of airports using deep learning
YASİN YILDIRIM
Yüksek Lisans
Türkçe
2025
İnşaat MühendisliğiAtatürk Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURİYE KABAKUŞ
- Signal detection and parameter estimation of frequency hopping signals
Frekans atlamalı sinyallerin tespiti ve parametre kestirimi
BATUHAN KAPLAN
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Çok yüksek çözünürlüklü hava fotoğraflarından derin ögrenme yöntemi ile bina bölütlemesi
Building segmentation from very high resolution aerial imagery using deep learning
NURAN ASLANTAŞ
Yüksek Lisans
Türkçe
2022
Bilim ve TeknolojiYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM
- SAM alanlarında bulunan füze tiplerinin derin sinir ağları ile sınıflandırılması
Classification of SAM-based missiles with deep neural networks
HİDAYET ERGİN
Yüksek Lisans
Türkçe
2022
Sivil HavacılıkErciyes ÜniversitesiSivil Havacılık Ana Bilim Dalı
PROF. DR. İLKE TÜRKMEN
- Derin öğrenme ile yeşil alanların çıkarımı
Exraction of green areas with deep learning
YUSUF YEKTA GÜZEL
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ANİME MELİS UZAR DİNLEMEK