Geri Dön

Radar verilerinin yapay zeka destekli bilgisayarlı görü teknikleri ile uçakların tespit edilmesi

Detection of airplane from radar data using ai-enhanced computer vision methods

PDF İndir

  1. Tez No: 984320
  2. Yazar: HİLAL ÖZTEMEL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ NURİ BİNGÖL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Üsküdar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmanın temel amacı, sentetik açıklıklı radar (SAR) verilerinin görsel formata işleyerek, farklı çevresel koşullarda yüksek doğruluk ve hızla hava hedeflerini tespit edebilen bir yapay zeka tabanlı sistem geliştirmektir. Bu kapsamda, YOLOv12 ve Faster R-CNN olmak üzere iki farklı derin öğrenme modeli kullanılmış; modeller doğruluk ve işlem süresi açısından karşılaştırmalı olarak değerlendirilmiştir. SAR verileri png formatında işlenmiş, etiket yapıları modele uygun hale getirilmiş ve veri seti üzerinde normalizasyon ile çeşitli artırma (augmentasyon) teknikleri uygulanmıştır. Model eğitimi ve test süreçleri, PyTorch kütüphanesi kullanılarak Google Colab ortamında CUDA destekli NVIDIA A100 GPU ile gerçekleştirilmiştir. YOLOv12 modeli, düşük çıkarım süresiyle birlikte yüksek performans göstermiş (mAP@0.5: %97,6; mAP@0.5:0.95: %88,1; precision: %98; recall: %95,3; F1-score: %96,6) ve gerçek zamanlı radar görüntüsü analizinde başarılı sonuçlar elde etmiştir. Faster R-CNN modeli ise yüksek doğruluk değerlerine ulaşmasına rağmen (precision: %97,7; recall: %97,7; F1-score: %97,1), arka plan ayrımında yetersiz kalmış ve daha düşük mAP sonuçları vermiştir (mAP@0.5: %44,5; mAP@0.5:0.95: %37,5). Bu sonuçlar, özellikle tek sınıflı ve zaman hassasiyeti olan uygulamalarda YOLOv12 modelinin daha uygun bir tercih olduğunu ortaya koymaktadır.

Özet (Çeviri)

The primary objective of this study is to develop an artificial intelligence-based system capable of detecting airplanes with high accuracy and speed under various environmental conditions by processing synthetic aperture radar (SAR) data into visual format. In this context, two different deep learning models, YOLOv12 and Faster R-CNN, were employed and comparatively evaluated in terms of accuracy and inference time. The SAR data were processed in .png format, annotation structures were adapted to fit the model requirements, and normalization along with various augmentation techniques were applied to the dataset. The model training and testing processes were carried out using the PyTorch library on the Google Colab platform with CUDA-supported NVIDIA A100 GPU. The YOLOv12 model demonstrated high performance with low inference time (mAP@0.5: 97.6%; mAP@0.5:0.95: 88.1%; precision: 98%; recall: 95.3%; F1-score: 96.6%) and achieved successful results in real-time radar image analysis. Although the Faster R-CNN model achieved high accuracy values (precision: 97.7%; recall: 97.7%; F1-score: 97.1%), it was insufficient in background separation and yielded lower mAP results (mAP@0.5: 44.5%; mAP@0.5:0.95: 37.5%). These results indicate that the YOLOv12 model is a more suitable choice, especially for single-class and time-sensitive applications.

Benzer Tezler

  1. Tez No

    1019195

    Otomotiv radar nokta bulutundan nesne sınıflandırma: Yapay zeka destekli geleneksel hibrit yaklaşım

    Automotive radar point cloud object classification with AI driven traditional hybrid approach

    BURHAN KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Elektrik ve Elektronik MühendisliğiKonya Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. LEVENT SEYFİ

  2. Tez No

    917998

    Enhancing UCAV operations with AI-driven point cloud semantic segmentation for precision gimbal targeting in defense industry

    Savunma sanayiinde hassas gimbal hedefleme için yapay zeka tabanlı nokta bulutu semantik segmentasyon yaklaşımlarıyla S/İHA operasyonlarının iyileştirilmesi

    SALİH BOZKURT

    Doktora

    İngilizce

    İngilizce

    2024

    Savunma ve Savunma Teknolojileriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ZAİDE DURAN

  3. Tez No

    1019705

    Orman yangınlarının radar uzaktan algılama ile analizi

    Analysis of wildfires with use of radar remote sensing

    GÖKTUĞ YAŞAR ÇUKURLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Astronomi ve Uzay BilimleriAkdeniz Üniversitesi

    Uzay Bilimleri ve Teknolojileri Ana Bilim Dalı

    DOÇ. DR. NUSRET DEMİR

  4. Tez No

    997838

    A statistical framework for false-fix elimination in tercom using real flight test data

    Gerçek uçuş test verilerini kullanarak tercom'da yanlış konum kestirimlerinin istatistiksel bir çerçeve ile elenmesi

    İBRAHİM ENES USLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    Havacılık ve Uzay Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET NURİ AKINCI

  5. Tez No

    916659

    Yapay zeka tabanlı hava hedeflerinin sınıflandırılması

    Classification of air targets based on artificial intelligence

    KADİR BAŞKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. EROL KURT

Geri Dön