Fatigue detection system for unmanned aerial vehicle pilots
İnsansız hava aracı pilotu için yorgunluk tespit sistemi
- Tez No: 999999
- Danışmanlar: DR. ÖĞR. ÜYESİ MEHMET YÜKSEKKAYA, DOÇ. DR. MEHMET CEM ÇATALBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, İnsansız Hava Aracı (İHA) operatörleri için temassız sensör teknolojilerini entegre eden çok modlu bir yorgunluk tespit sistemi sunmaktadır. Sistem, postür izleme için Kuvvet Algılama Dirençli (FSR) basınç sensörlerini, kardiyorespiratuar ölçümler için milimetre dalga radarını ve davranışsal analiz için kamera tabanlı göz takibini birleştirmektedir. Veriler, Yer Kontrol İstasyonu ortamında 16 dakikalık uçuş simülasyonları gerçekleştiren 56 katılımcıdan toplanmıştır. Vekil yorgunluk etiketleri, öznel ölçekler (Karolinska Uyuklama Ölçeği, Samn-Perelli Ölçeği), PVT tabanlı uyanıklık metrikleri ve simülasyon performans ölçütleri kullanılarak K-means kümelenmesi ile oluşturulmuştur. XGBoost, Rastgele Orman, Destek Vektör Makinesi ve K-En Yakın Komşu dahil olmak üzere çoklu makine öğrenimi algoritmaları, katılımcıdan bağımsız 10 katlı tabakalı çapraz doğrulama kullanılarak değerlendirilmiştir. Özellik seçimi, iki strateji ile SHapley Toplamsal Açıklamalar (SHAP) değerleri kullanılarak gerçekleştirilmiştir: Dirsek yöntemi ve Uyarlanabilir Eşik yaklaşımı. Üçlü sensör füzyonu XGBoost ile en yüksek performansı elde ederek 0.850 doğruluk, 0.867 duyarlılık, 0.856 F1-skoru ve 0.900 AUC'ye ulaşmıştır. Uyarlanabilir Eşik stratejisi duyarlılığı 0.900'e çıkararak yanlış negatifleri üç vakaya indirmiştir. SHAP analizleri kalp hızı değişkenliği, göz kapanma metrikleri ve basınç merkezi dinamiklerini en ayırt edici özellikler olarak tanımlamıştır. Sonuçlar, çok modlu sensör füzyonunun tek modlu yaklaşımları önemli ölçüde aştığını ve operasyonel İHA ortamlarında gerçek zamanlı yorgunluk izleme için güçlü ve pratik bir çerçeve sağladığını göstermektedir.
Özet (Çeviri)
This thesis presents a multimodal fatigue detection system for Unmanned Aerial Vehicle (UAV) operators that integrates non-invasive sensor technologies. The system combines Force Sensing Resistor (FSR) pressure sensors for postural monitoring, millimeter-wave radar for cardiorespiratory measurements, and camera-based eye tracking for behavioral analysis. Data were collected from 56 participants performing 16-minute flight simulations in a Ground Control Station environment. Proxy fatigue labels were established through K-means clustering of subjective scales (Karolinska Sleepiness Scale, Samn-Perelli Scale), PVT-based vigilance metrics, and simulation performance measures. Multiple machine learning algorithms, including XGBoost, RF, SVM, and KNN, were evaluated using subject-independent 10-fold stratified cross-validation. Feature selection was performed using SHapley Additive exPlanations (SHAP) values with two strategies: the Elbow method and an Adaptive Threshold approach. The triple-sensor fusion achieved the highest performance with XGBoost, reaching 0.850 accuracy, 0.867 recall, 0.856 F1-score, and 0.900 AUC. The Adaptive Threshold strategy increased recall to 0.900, minimizing false negatives to three cases. SHAP analyses identified heart rate variability, eye closure metrics, and center of pressure dynamics as the most discriminative features. The results demonstrate that multimodal sensor fusion significantly outperforms single-modal approaches, providing a robust and practical framework for real-time fatigue monitoring in operational UAV environments.
Benzer Tezler
- Conceptual design of unmanned aerial vehicle
İnsansız hava aracı kavramsal tasarımı
HEYZEM DOĞUKAN DELİBAŞ
Yüksek Lisans
İngilizce
2021
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYRİ ACAR
- A real-time multi-modal deep learning system for driver fatigue detection
Sürücü yorgunluğunu tespit etmek için gerçek zamanlı çok modlu derin öğrenme sistemi
CENNET KOCABIYIK GÜR
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiYaşar ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NALAN ÖZKURT
- Design of a test setup for steel wire rope fatigue testing and development of an AI-based damage detection method
Çelik halat yorulma testi için bir test düzeneğinin tasarımı ve yapay zeka tabanlı hasar tespit yönteminin geliştirilmesi
MOHSEN SEYYEDİ
Yüksek Lisans
İngilizce
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Sürücülerde uykululuk hali tespit sistemi tasarımı ve uygulaması
Design and implementation of drowsiness detection system for drivers
NUR YASİN PEKER
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ZENGİN
- Çalışanın iş sağlığı ve güvenliği için görüntü işleme ile yorgunluk tespiti
Fatigue detection with image processing for occupational health and safety of the employee
ABDULKADİR YAPICI
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HİKMETCAN ÖZCAN