Yapay zeka algoritmaları kullanarak toprak yol koşullarında tam otonom araçlar için sistem geliştirilmesi
Development of a system for fully autonomous vehicles in dirt road conditions using artificial intelligence algorithms
- Tez No: 987992
- Danışmanlar: PROF. DR. RECAİ KUŞ, PROF. DR. HASAN ERDİNÇ KOÇER
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Makine Mühendisliği, Otomotiv Mühendisliği, Electrical and Electronics Engineering, Mechanical Engineering, Automotive Engineering
- Anahtar Kelimeler: Yapay Zeka, Görüntü İşleme, Yol Segmentasyonu, U-Net, YOLO, Jetson Nano, Otonom Kara Aracı, Artificial Intelligence, Image Processing, Road Segmentation, U-Net, YOLO, Jetson Nano, Autonomous Ground Vehicle
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Stabilize, toprak yollar; genellikle hiçbir işlem görmemiş, doğal zeminin doğrudan kullanıldığı ve kırsal bölgelerde yaygın olarak tercih edilen ulaşım hatlarıdır. Bu tür yolların otomatik tespiti ve üzerinde güvenli bir şekilde hareket edilmesi, özellikle otonom kara araçları için kritik önem taşımaktadır. Son yıllarda gerçekleştirilen çalışmaların çoğunluğu insansız hava araçları temelli olup, kara araçlarıyla yapılan uygulamalar, çevresel faktörlerin (ışık koşulları, hava durumu, zemin farklılıkları) neden olduğu görüntü kalitesi değişkenliği sebebiyle çeşitli zorluklar içermektedir. Bu çalışmada, kendi geliştirdiğimiz Çok Amaçlı Görev Aracı platformu üzerine monte edilen bir ön-görüş kamerasıyla farklı mevsim, hava durumu, toz yükü ve ışık koşullarında 4867 adet görüntü karesi elde edilerek özgün bir veri kümesi oluşturulmuştur. Görüntüler LabelMe programı kullanılarak piksel bazında yol ve yol-dışı şeklinde sınıflandırılmış ve U-Net derin öğrenme mimarisi ile eğitilmiştir. Araç yalnızca yol segmentasyonu değil, aynı zamanda çevredeki engelleri algılayabilmek için YOLO nesne tespit algoritmasıyla da donatılmıştır. İnsan, hayvan ve taş gibi yol üzerindeki engelleri tespit eden sistem, gerektiğinde aracı durdurarak güvenli bir sürüş sağlamaktadır. Bunun yanında, aracın tam otonom hareket kabiliyeti için step motorlar, lineer aktüatörler, GPS ve ivmeölçer entegre edilerek bir kontrol sistemi oluşturulmuştur. Bu sayede araç, yalnızca yolu algılamakla kalmayıp aynı zamanda yönlenme, hızlanma, durma ve manevra kabiliyetlerini de otomatik olarak gerçekleştirebilmektedir. Sonuç olarak geliştirilen sistem, stabilize, toprak ve arazi yollarının farklı koşullarda otomatik olarak tespit edilmesinde etkin ve güvenilir olduğunu göstermiş; kırsal bölgelerde insansız kara araçları, tarımsal otomasyon ve lojistik uygulamalar için doğrudan entegre edilebilecek bütünleşik bir yaklaşım ortaya koymuştur.
Özet (Çeviri)
Stabilized and dirt roads are transportation routes commonly preferred in rural areas, typically consisting of untreated, natural ground used directly. The automatic detection of such roads and safe navigation upon them are of critical importance, particularly for autonomous ground vehicles. While the majority of recent studies have been based on Unmanned Aerial Vehicles, applications involving ground vehicles face various challenges due to image quality variability caused by environmental factors (lighting conditions, weather, and ground variations). In this study, a unique dataset was created by acquiring 4,867 image frames across different seasons, weather conditions, dust loads, and lighting scenarios using a front-view camera mounted on our custom-developed Utility Task Vehicle platform. The images were annotated pixel-wise as 'road' and 'non-road' using the LabelMe software and used to train a U-Net deep learning architecture. The vehicle is equipped not only for road segmentation but also with the YOLO object detection algorithm to perceive surrounding obstacles. Detecting obstacles on the road such as humans, animals, and rocks, the system ensures safe driving by stopping the vehicle when necessary. Furthermore, a control system was established by integrating stepper motors, linear actuators, GPS, and an accelerometer to enable the vehicle's fully autonomous movement capability. In this way, the vehicle can not only detect the road but also automatically perform steering, acceleration, stopping, and maneuvering operations. Consequently, the developed system has demonstrated its effectiveness and reliability in the automatic detection of stabilized, dirt, and off-road tracks under various conditions; it presents an integrated approach that can be directly implemented for unmanned ground vehicles, agricultural automation, and logistics applications in rural areas.
Benzer Tezler
- Makarnalık buğdaylarda sensör, iklim ve bitki özelliklerine dayalı azotoptimizasyonu ve verim tahmininin farklı algoritmaları ile modellenmesi
Modeling nitrogen optimization and yield prediction in durum wheat using multi-source sensor, climate, and plant trait data through advanced machine learning algorithms
SÜREYYA BETÜL RUFAİOĞLU
Doktora
Türkçe
2025
ZiraatHarran ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
PROF. DR. ALİ VOLKAN BİLGİLİ
- Artificial intelligence applications in microwave and mmwave sensing
Mikrodalga ve milimetre dalga algılamada yapay zeka uygulamaları
MUHAMMED İSMAİL PENÇE
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MEHMET NURİ AKINCI
- Deep wavelet neural network for spatio-temporal data fusion
Uzamsal-zamansal veri füzyonu içinderin dalgacık sinir ağları
AJLA KULAGLIC
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Evaluating performance of different remote sensing techniques and various interpolation approaches for soil salinity assessment
Toprak tuzluluğu değerlendirmesi için farklı uzaktan algılama teknikleri ve çeşitli interpolasyon yaklaşımlarının performansının değerlendirilmesi
TAHA GORJI
Doktora
İngilizce
2021
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. AYŞE GÜL TANIK
- Meyve hasadına yardımcı yapay zeka tabanlı bir otonom araç tasarımı
Design of an artificial intelligence based autonomous vehicle assisting fruit harvest
DİLARA KOÇ
Doktora
Türkçe
2024
ZiraatAnkara ÜniversitesiTarım Makineleri ve Teknolojileri Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA VATANDAŞ