Görüntü işleme ve makine ögrenimi yöntemleriyle drone tespiti
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ELEKTRONİK VE HABERLEŞME MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: BATUHAN BAYSAL
Danışman: Bülent BOLAT
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Son yıllarda dronların sivil ve askeri alanlardaki kullanımının hızla arttığı gözlemlenmektedir. Özellikle güvenlik, gözlem ve lojistik gibi birçok farklı alanda yaygınlaşan dronlar, hem avantajları hem de potansiyel tehditleriyle dikkat çekmektedir. Yetkisiz dronların havaalanları, askeri tesisler, kamu binaları askeri konvoylar ve özel mülkler gibi kritik bölgeler için ciddi bir güvenlik riski oluşturduğu bilinmektedir. Bu tehditlerle etkili bir şekilde mücadele edebilmek için güvenilir, hızlı ve gerçek zamanlı dron tespit sistemlerine ihtiyaç duyulmaktadır. Bu çalışmada, derin öğrenme tabanlı bir nesne tespiti mimarisi olan YOLOv8 kullanılarak etkili bir drone tespit sistemi geliştirilmiştir. YOLOv8, önceki versiyonlarına (YOLOv3 ve YOLOv5) göre daha yüksek hız ve doğruluk oranları sunarak, nesne tespiti problemlerinde önemli bir avantaj sağlamaktadır. Çalışmada kullanılan veri seti, Kaggle ve diğer açık kaynaklardan toplanan, 1300 adet drone ve kuş görüntüsünden oluşmaktadır. Bu görüntüler manuel olarak etiketlenmiş ve rasgele olarak %10'u test için ayrıldıktan sonra modelin eğitiminde kullanılmak üzere yine rastgele olarak %80 eğitim, %20 doğrulama (validasyon) şeklinde ikiye ayrılmıştır. Eğitim sürecinde YOLOv8'in farklı kayıp fonksiyonları ve hiperparametreleri optimize edilmiştir. Sonuç olarak, modelin farklı boyut ve şekillerdeki dronları başarıyla tespit ettiği gözlemlenmiştir. Geliştirilen modelin performansı, saniyede 25-30 kare hızında çalışarak gerçek zamanlı video akışlarında test edilmiştir. Elde edilen sonuçlar, %95'in üzerinde bir doğruluk oranına ulaşarak dronları kuşlardan ayırt ettiği ve bu sistemin pratik uygulamalarda kullanılabilirliğini kanıtlamaktadır. Modelin, son dönemde özellikle savaş bölgelerinde ortaya çıkan asimetrik dron saldırılarına karşı etkili bir savunma mekanizması olarak kullanılabileceği de düşünülmektedir.