KÂŞİF DRONE TASARIMI VE MODELLENMESİ

Abstract

Gelişen teknolojiyle birlikte insansız hava araçlarının (İHA), özellikle dronların, kullanım alanları hızla genişlemektedir. Dron teknolojisi, kullanım amacına bağlı olarak hem fiziksel tasarım hem de donanımsal yapı açısından büyük bir çeşitlilik ve hızlı bir gelişim göstermektedir. Benzer şekilde, yapay zeka teknolojisi de önemli ilerlemeler kaydetmiş ve çeşitli alanlarda yenilikçi çözümler sunmaya başlamıştır. Her iki teknoloji alanında gerçekleştirilen çalışmalar, bu sistemlerin entegrasyonuyla daha güçlü ve verimli uygulamaların geliştirilmesine olanak tanımaktadır. Yapay zeka alanında kaydedilen gelişmeler, özellikle donanım teknolojilerindeki ilerlemelerle desteklenmiş ve bunun bir sonucu olarak denetimli öğrenme algoritmaları büyük ölçüde iyileştirilmiştir. Bilgisayarlı görü (computer vision) alanında kullanılan gelişmiş algoritmalar ve donanımlar sayesinde, COCO ve PASCAL gibi geniş kapsamlı ve açık erişime sahip görsel veri setleri oluşturulmuştur. Ancak, bu veri setleri çoğunlukla yer seviyesinden alınmış görüntüleri içermekte olup, belirli yüksekliklerden çekilmiş ve dronlarla ilişkilendirilebilecek görüntüleri içermemektedir. Bu tez çalışmasında, dron teknolojisi kullanılarak gerçek zamanlı görüntü işleme yöntemleriyle nesne tanıma yapılması amaçlanmıştır. Bu bağlamda, dron aracılığıyla farklı yüksekliklerden elde edilen görüntülerden oluşan yeni bir veri seti hazırlanmıştır. Hazırlanan bu veri seti, gerçek zamanlı görüntü işleme hızına sahip ve evrişimsel sinir ağı (CNN) tabanlı bir model olan YOLOv3 ile eğitilmiştir. Geliştirilen uygulama, dron aracılığıyla alınan görüntüleri YOLOv3 modeli kullanarak işlemiş ve veri setinde tanımlı olan "motorlu taşıt" ve "insan" sınıflarında gerçek zamanlı nesne tanıma gerçekleştirmiştir.With developing technology, the use of drones, which are unmanned aerial vehicles, is rapidly increasing. Drone technology has a rich development both in physical structure and hardware depending on the area where it will be used.On the other hand, artificial intelligence technology is also developing rapidly. Many studies have been done in both technologies. The hardware technology used along with the studies carried out in artificial intelligence technology has also become very advanced. One of the results of this development has been the development of supervised learning algorithms. Using advanced hardware and algorithms in the field of computer vision, open access visual datasets such as COCO and PASCAL, which contain image information of many different structured classes, have been created. However, these data sets do not contain images taken at a certain height needed for image processing by drone aircraft. In this thesis study, object recognition is aimed using real-time image processing methods with drone aircraft. For this purpose, a data set consisting of image information obtained using drone aircraft was created. This dataset was created and trained with YOLOv3, a convolutional neural network with real time image processing speed. With this developed application, image information from the drone aircraft was processed using the YOLOv3 Model, and real-time object recognition was made in the "motor vehicle" and "human" classes in the data set.