Integration of object recognition systems with small unmanned aerial vehicles for target detection
Hedef tespiti için nesne tanıma sistemlerinin küçük insansız hava araçları ile entegrasyonu
- Tez No: 988231
- Danışmanlar: PROF. DR. FATİH VEHBİ ÇELEBİ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Savunma Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Savunma Teknolojileri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, arama-kurtarma (SAR) operasyonlarında kullanılmak üzere geliştirilen, tek bir insansız hava aracı (İHA) üzerine kurulu, gerçek zamanlı nesne tanıma yeteneğine sahip otonom bir sistemin tasarımını ve uygulamasını ele almaktadır. Sistem, RGB kamera ile alınan görüntüleri işleyerek sahadaki insan varlığını hızlı ve doğru bir şekilde tespit etmeyi amaçlamaktadır. Nesne tanıma süreci, derin öğrenme temelli bir algoritma olan YOLOv11 (You Only Look Once, versiyon 11) kullanılarak gerçekleştirilmiştir. YOLOv11, görüntüdeki tüm nesneleri tek bir geçişte (single pass) hem sınıflandıran hem de konumlarını belirleyen bir evrişimli sinir ağı (CNN) mimarisine sahiptir. Bu yaklaşım, klasik yöntemlerin aksine hem yüksek hız hem de doğruluk sağlamaktadır. Sistemde, YOLOv11 modeli önceden eğitilmiş insan sınıfı üzerinde çalıştırılmış, böylece İHA'nın uçuş esnasında elde ettiği görüntülerde insan varlığı otomatik olarak tespit edilebilmiştir. Bu yapı, özellikle acil durumlarda sahadaki canlıların hızlı şekilde belirlenmesini mümkün kılarak arama-kurtarma süreçlerine büyük katkı sağlamaktadır. Sistem mimarisi PX4 uçuş kontrol altyapısı ile ROS 2 (Robot Operating System) yazılım platformunu birleştirmekte; gerçek zamanlı görüntü yakalama, işleme, karar verme ve görev takibi işlevlerini entegre bir biçimde yürütmektedir. Simülasyon ortamında yapılan testlerde, RGB görüntüler üzerinde yüksek doğrulukla insan tespiti yapılmış ve sistemin operasyonel verimliliği doğrulanmıştır. Bu çalışma, derin öğrenme temelli nesne tanıma algoritmalarının mobil hava araçlarına entegrasyonu ile arama-kurtarma operasyonlarının daha hızlı, etkili ve güvenilir şekilde yürütülebileceğini göstermektedir.
Özet (Çeviri)
This thesis presents the design and implementation of an autonomous unmanned aerial vehicle (UAV) system for real-time object detection in search and rescue (SAR) operations. The system is based on a single drone equipped with an RGB camera and employs deep learning-based computer vision to detect humans in disaster-affected areas. The detection module uses YOLOv11 (You Only Look Once, version 11), a convolutional neural network (CNN) architecture known for balancing speed and accuracy. YOLOv11 processes entire images in a single forward pass, predicting bounding boxes and class probabilities simultaneously. This unified approach enables rapid detection, essential for time-critical SAR missions. The model is trained to recognize the person class, allowing the UAV to autonomously identify potential victims during flight. Onboard data processing enhances autonomy by eliminating reliance on external computation. The system integrates the PX4 flight control system with ROS 2 middleware, ensuring modularity, scalability, and real-time performance. Flight control, image acquisition, object detection, and mission monitoring are combined into a unified workflow. Simulation-based evaluations confirm reliable human detection under diverse conditions, validating applicability in emergency scenarios. This study demonstrates how advanced object detection algorithms can be deployed on lightweight UAVs to support SAR missions. The framework also provides a foundation for future enhancements, including multi-class detection, sensor fusion, and real-world deployment.
Benzer Tezler
- Yüksek çözünürlüklü görüntülerde derin öğrenme tabanlı nesne tespiti için yeni bir önişleme yöntemi geliştirilmesi
Development of a new preprocessing method for deep learning based object detection in high resolution images
MUHAMMED TELÇEKEN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
PROF. DR. SEZGİN KAÇAR
- Kapalı ortamlarda yerelleştirme ve haritalama için sensör füzyonu
Sensor fusion for gps denied environment for localization and mapping
HÜSEYİN BURAK KURT
Yüksek Lisans
Türkçe
2018
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMakine Ana Bilim Dalı
DOÇ. DR. ERDİNÇ ALTUĞ
- Vision-based detection and recognition of maritime objects for autonomous surface navigation
Otonom deniz seyrüseferi için görüntü tabanlı engel tespiti ve gemi sınıflandırma
SEVDA SAYAN YONCA
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Wavedrive: a pipeline for gesture recognition using hands' orientation and polar coordinates
Wavedrive: ellerin yönünü ve polar koordinatları kullanarak jest tanıma için bir boru hattı
ABDÜLKERİM SİPAHİ
Yüksek Lisans
İngilizce
2025
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERDİNÇ ALTUĞ
- Derin öğrenme modellerinin transfer öğrenme ile farklı veri setleri üzerindeki performanslarının karşılaştırılması
Comparative performance analysis of deep learning models on different datasets using transfer learning
GÜLAHMET YILDIZ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURCU ÇARKLI YAVUZ