CNN tabanlı algoritmaların klasik görüntü işleme yöntemleri ile kıyaslanarak bina çıkarımı performansının değerlendirilmesi

6 Şubat 2023 tarihinde, yerel saatle sabah 04:17'de (01:17 UTC), Mw 7.8 büyüklüğünde güçlü bir deprem Suriye'nin kuzey ve batı bölgeleri ile Türkiye'nin güney ve orta kesimlerini vurdu. Türkiye'de meydana gelen bu yıkıcı depremin ardından enkazla dolu kapalı yollar, afet müdahale ve iyileştirme çabalarını ciddi şekilde engellemektedir. Bu tez, dronlarla çekilen görüntüler kullanılarak deprem sonrası oluşan enkaz nedeniyle kapalı yolların tespiti ve sınıflandırılması için algoritmaların geliştirilmesi ve değerlendirilmesine odaklanmaktadır. Çalışmada, Python'da uygulanan klasik görüntü işleme yöntemleri ile Konvolüsyonel sinir ağı (CNN) tabanlı algoritmalar kullanılmaktadır. Deprem sonrası çekilen görüntüleri içeren benzersiz veri seti, felaketin ardından oluşan kapsamlı yol tıkanıklıklarının detaylı bir resmini sunmaktadır. Çalışma, Python dilinde uygulanan klasik görüntü işleme yöntemleri ile birlikte Convolutional neural network (CNN) tabanlı algoritmaları kullanmaktadır. Depremin ardından yakalanan görüntüler içeren benzersiz bir veri kümesi, felaketin yan etkileri olarak oluşan geniş yol tıkanıklıklarının ayrıntılı bir resmini sunmaktadır. Bu araştırmanın önemli bir katkısı, sezgisel ve kullanıcı dostu bir Grafiksel Kullanıcı Arayüzü (GUI) paneli oluşturulmasıdır. Bu GUI paneli, klasik ve derin öğrenme görüntü işleme yöntemlerinin geniş bir yelpazesini sergileyen kapsamlı bir platform olarak hizmet vermektedir ve kullanıcılara bu yöntemlerin sonuçlarını etkileşimli olarak görüntüleme imkanı sunmaktadır. Bu etkileşimli araç, yalnızca algoritmik çıktılara erişimi basitleştirmekle kalmayıp aynı zamanda felaket müdahale ekiplerini ve karar vericileri veri odaklı ve etkili kararlar almada yeteneklendirmektedir. Bu araştırmanın temel amacı, önerilen algoritmaların yol tıkanıklarının doğasını ve yaygınlığını tanımlamada ne kadar doğru ve etkili olduğunu değerlendirmektir. Enkazla dolu yol segmentleri ile açık kalanlar arasındaki ayrımı yaparak, bu çalışma felaket yardım lojistiğini hızlandırmak ve iyileştirme operasyonlarını önceliklendirmek için kritik bilgiler sunmaktadır. Bu tezde sunulan bulgular, deprem sonrası iyileştirme operasyonlarının veri odaklı karar süreçlerini hızlandırarak etkilenen toplulukların genel direncine katkıda bulunarak felaket yönetimi araç setini geliştirmektedir. Anahtar Kelimeler: Yol Tıkanıklık Tespiti, Deprem Etkisi, Felaket Müdahalesi, Evrişimli Sinir Ağları, CNN Algoritmaları, Görüntü İşleme, Python Programlama, Felaket Yardımı, Deprem Sonrası Değerlendirme, Sismik Olay, Türkiye Depremi, Hava Gözlemi, Grafiksel Kullanıcı Arayüzü (GUI), Gerçek Zamanlı Sonuçlar Görüntüleme, Görüntü İşleme Yöntemleri, Karar Destek Arayüzü, İnsani Yardım, Makine Öğrenme Algoritmaları, Bilgisayarlı Görü, İnsani Müdahale, Kriz Yönetimi, Coğrafi Bilgi Sistemine Dayalı Karar Desteği.