Drone ile denizde boğulan insanların tespiti
Detection of drowning individuals at sea using a drone
- Tez No: 987022
- Danışmanlar: DR. ÖĞR. ÜYESİ FERHAT ATASOY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dünya Sağlık Örgütü'ne (WHO) göre, boğulma, dünya genelinde istenmeyen yaralanmalar sonucu ölümlerin üçüncü en yaygın sebebidir. Bu çalışma, derin öğrenme teknikleri ve drone teknolojisini birleştirerek boğulma tespitinde yüksek doğruluk sağlamayı hedeflemektedir. Bu amaçla, YOLOv8 modeli kullanılarak bir boğulma tespit sistemi geliştirilmiştir. Sistem, yalnızca anlık tespit ile sınırlı kalmayıp, boğulma davranışının zaman içindeki sürekliliğini analiz eden sayaç tabanlı bir davranışsal algoritma ile zenginleştirilmiştir. Boğulma tespitindeki zorluklardan biri, gerçek dünya verilerinin sınırlılığıdır. Bu sorunları aşmak amacıyla, 8572 görüntü içeren özel bir veri seti [1] kullanılmıştır. Veri setindeki olası dengesizlikleri minimize etmek ve modelin genelleme yeteneğini artırmak için 5-katlı çapraz doğrulama (cross-validation) yöntemi uygulanmıştır. Modelin başarısı, test veri seti üzerinde test edilmiştir ve bu testler sonucunda %87,09 doğruluk oranı ile 0.973 mAP@50 metrikler elde edilmiştir. Tezin saha çalışmalarında, kodlanabilir yapısı ve gerçek zamanlı görüntü aktarım kabiliyeti sebebiyle DJI Tello drone kullanılarak sistem doğrulama testleri gerçekleştirilmiştir. Yalnızca kamera sistemi aktif hale getirilmiş şekilde havuz kenarında yapılan testlerde tüm durumlar gerçek zamanlı olarak başarıyla tespit edilmiştir. Havuz üzerinde otonom tarama uçuşu ile yapılan testlerde su yüzeyinin yansıtıcı ve değişken yapısı, drone'da yer alan optik akış ve ultrasonik sensörlerde kararsız ölçümlere neden olmuş ve stabil uçuşun bozulmasına yol açmıştır. Sonuç olarak geliştirilen sistem, boğulan tespiti, takibi ve davranış analizi yaklaşımını bir araya getiren bütüncül bir çözüm sunmaktadır. YOLO tabanlı tespit modeli gerçek zamanlı testlerde yüksek performans göstermiş; uçuş ve müdahale algoritmaları ise yazılım prototipi düzeyinde başarıyla geliştirilmiştir. Bu çalışma, gelecekte tam otonom kurtarma drone'larının geliştirilmesine yönelik önemli bir altyapı sağlayarak boğulma tespitinin daha etkin ve hızlı bir biçimde gerçekleştirilmesine katkı sunmayı amaçlamaktadır.
Özet (Çeviri)
According to the World Health Organization (WHO), drowning is the third most common cause of unintentional injury-related deaths worldwide. This study aims to achieve high accuracy in drowning detection by combining deep learning techniques and drone technology. For this purpose, a drowning detection system was developed using the YOLOv8 model. The system is not limited to instantaneous detection but is enhanced with a counter-based behavioral algorithm that analyzes the continuity of drowning behavior over time. One of the challenges in drowning detection is the limited availability of real-world data. To address this issue, a custom dataset containing 8,572 images [1] was used. To minimize potential imbalances within the dataset and to improve the model's generalization capability, the k-fold cross-validation method was applied. The model's performance was evaluated on a test dataset, and the tests yielded an accuracy of 87.09% and an mAP@50 score of 0.973. For the field studies of the thesis, system validation tests were carried out using the DJI Tello drone due to its programmable structure and real-time video transmission capability. In the tests conducted at the poolside with only the camera system active, all situations were successfully detected in real time. In the tests performed with autonomous scanning flight over the pool, the reflective and variable nature of the water surface caused unstable measurements in the drone's optical flow and ultrasonic sensors, leading to a loss of stable flight. As a result, the developed system provides a holistic solution that integrates drowning detection, tracking, and behavior analysis approaches. The YOLO-based detection model demonstrated high performance in real-time tests, and the flight and intervention algorithms were successfully developed at the software-prototype level. This study aims to contribute to more effective and rapid drowning detection by providing an important foundation for the development of fully autonomous rescue drones in the future.
Benzer Tezler
- Turizm sektöründe çevre yönetimi: Marmaris'teki konaklama işletmeleri örneği
Environmental management in tourism sector: The case of hotel establishments in Marmaris
MELİKE KAYMAZ
Yüksek Lisans
Türkçe
2012
Çevre MühendisliğiMuğla ÜniversitesiÇevre Bilimleri Ana Bilim Dalı
PROF. DR. MUAMMER TUNA
- Sulak alanların uzaktan algılama ve coğrafi bilgi sistemleri ile irdelenmesi: Akgöl örneği
Analysis of wetlands using remote sensing and geographic information systems: Akgol sample
ADALET DERVİŞOĞLU
Doktora
Türkçe
2018
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. NEBİYE MUSAOĞLU
- Yüzey kirliliğinin gemi direnci üzerindeki etkisinin incelenmesi
Investigation of the effect of fouling on ship resistance
YİĞİT KEMAL DEMİREL
Yüksek Lisans
Türkçe
2012
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. METİN TAYLAN
- Petrology of the Sarıkaraman ophiolite (Aksaray-Turkey)
Sarıkaman ofiyoliti'nin petrolojisi (Aksaray-Turkey)
M.KENAN YALINIZ
Doktora
İngilizce
1996
Jeoloji MühendisliğiOrta Doğu Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
PROF. DR. M. CEMAL GÖNCÜOĞLU
- Deniz ulaştırma lojistiğinin dijital dönüşüm sürecine adaptasyonunun teknoloji kabul modeli ile analizi
Analysis of the adaptation of maritime transportation logistics to the digital transformation process through the technology acceptance model
ORÇUN GÜNDOĞAN
Doktora
Türkçe
2024
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA KEÇECİ