Early detection of forest fire from video utilizing temporal information
Zamansal bilgiden faydalanarak videodan orman yangınlarının erken tespiti
- Tez No: 774464
- Danışmanlar: DR. ÖĞR. ÜYESİ KASIM TAŞDEMİR, DOÇ. DR. ZAFER AYDIN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mühendislik Bilimleri, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control, Engineering Sciences
- Anahtar Kelimeler: Derin Öğrenme, Mekan-Zamansal Bilgi, Erken Aşama Orman Yangınları Tespiti, Duman Tespiti, Görüntü Bulanıklığı Giderme, Orman yangınları, Zaman-mekan, Deep Learning, Spatio-Temporal Information, Forest Fire Early Detection, Smoke Detection, Image Dehazing, Forest fires, Time-space
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Abdullah Gül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Orman yangınları, tüm dünyada yaşamlara, mülklere ve ekosistem bütünlüğüne en büyük tehdit olarak kabul edilmektedir. Orman yangınlarının erken tespiti ile yangının yol açacağı hasarlar azaltılabilir. Duman, yangınların ilk görsel işareti olduğundan, dumanın tespiti oldukça önemlidir. Başarılı şekilde tasarlanmış bir duman algılama sistemi, dış ortamlarda dumanın erken tespitinde kritik öneme sahiptir. Mevcut duman algılama yöntemleri yüksek yanlış alarm problemi ile karşılaşmaktadır ve puslu ortamlarda duman tespiti konusunda tam olarak başarılı değildir. Bu tez, orman yangınlarının erken aşamada tespitindeki problemleri çözmek için derin öğrenme tabanlı yöntemlerin kullanılmasını önermektedir. Bu çalışma, dumanın tespiti için dört farklı öneri sunmaktadır. (1) Dumanın görüntüler üzerinde tespit edilebilmesinde kullanılan duman sınıflandırması, tam olarak yerinin belirlenmesi ve videodan dumanın tespiti gibi yöntemlerde kullanılmak üzere üç farklı veri setinin hazırlanması. (2) Nispeten daha küçük veri setleri için öğrenme aktarımı yönteminin kullanılması. (3) Sistem performansını artırmak için veri seti görüntülerinden bulanıklığın kaldırılması. (4) Derin öğrenme tabanlı iki farklı yapının kullanılarak hibrit bir video sınıflandırma modelinin tasarlanması. Bu çalışma, erken aşamada orman yangını veya duman algılama çalışmaları alanlarında çalışan araştırmacılar için kaynak niteliğinde olacaktır.
Özet (Çeviri)
Forest fires are considered as the major threats to lives, properties and to the integrity of the ecosystem around the world. In most cases, the fire damage can be reduced, when the initial signs of the fire are detected in a timely manner. Since smoke is considered as the first visual sign of fire, detection of smoke is vital. Hence, a successfully designed smoke detection system is essentially critical in the early detection of smoke for outdoor environments. The existing smoke detection methods suffer from high false alarm rates and cannot accurately detect smoke in hazy environments. To address these problems, this thesis is focused on smoke detection model at an early stage that utilizes deep learning (DL) based techniques for outdoor locations. This work contributes mainly to four aspects of smoke detection: (1) new datasets preparation for three smoke detection tasks classification, detection-segmentation, and video classification, (2) utilizing transfer learning to detect the smoke on the relatively small dataset, (3) image dehazing process that includes removing the haze from the dataset images to enhance the system performance, (4) designing a novel hybrid video classification model by combining the two DL based video classification structures. This work will be a resourceful reference for researchers working in the fields of forest fire or smoke detection studies at an early stage. The experiments, research findings, and enhanced performance of the smoke detection system provide a source of information about smoke detection. Current studies can be utilized to further improve the design of efficient and reliable fire safety models.
Benzer Tezler
- CUDA based implementation of flame detection algorithms in day and infrared camera videos
Gündüz ve kızılötesı kamera videolarında alev tespit algoritmalarının CUDA tabanlı gerçekleştirilmesi
HASAN HAMZAÇEBİ
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. AHMET ENİS ÇETİN
- Detection and classification of forest fire smoke by deep learning methods using Unmanned Aerial Vehicle in Türkiye
Türkiye'de İnsansız Hava Araçlarını kullanarak orman yangın dumanının derin öğrenme yöntemleriyle tespiti ve sınıflandırılması
TÜREM TOPALHAN
Yüksek Lisans
İngilizce
2022
Savunma ve Savunma TeknolojileriAnkara Yıldırım Beyazıt ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. HÜSEYİN CANBOLAT
- Yangın riski taşıyan açık alanlar için CBS tabanlı, bulut altyapılı, yüksek hassasiyetli, nanofotonik erken yangın tespit sistemi tasarımı ve uygulaması
Design and implementation of a GIS based, cloud substructured, high sensitive, nanophotonic early fire detection system for fire risk areas
YÜCEL GÜLLÜCE
Doktora
Türkçe
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. RAHMİ NURHAN ÇELİK
- Early forest fire detection and prevention using ai powered drones and the IoT
Başlık çevirisi yok
MONTASER N. A. RAMADAN
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan ÜniversitesiYapay Zeka Ana Bilim Dalı
PROF. DR. BEKİR TEVFİK AKGÜN
- A framework for the use of wireless sensor networks in forest fire detection and monitoring
Kablosuz duyarga ağları kullanılarak orman yangınları izleme ve erkin tespit sistemi
YUNUS EMRE ASLAN
Yüksek Lisans
İngilizce
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Bölümü
PROF. DR. ÖZGÜR ULUSOY
YRD. DOÇ. DR. İBRAHİM KÖRPEOĞLU