Su altı çöp tespiti için yapay zekâ tabanlı yöntemlerin geliştirilmesi

Deniz kirliliği dünyadaki en büyük çevre sorunlarından biridir. Günümüzde, okyanus ve denizlerde, yaklaşık 100 ile 150 milyon ton plastik çöpün yüzdüğü tahmin edilmektedir. Bu rakamlara her yıl artmaktadır. Denize bırakılan plastik atıklar asırlarca denizlerdeki varlıklarını sürdürebilmektedirler. Böylece başta deniz canlıları olmak üzere canlıların yaşamlarını olumsuz etkilemektedir. Bu tez çalışmasında, su altı görüntülerinden çöp tespiti için yapay zekâ tabanlı yöntemler geliştirilmiştir. Tez kapsamında su altı görüntüleri üzerinde görüntü işleme, makine öğrenmesi ve derin öğrenme tabanlı yöntemler uygulanmıştır. Önerilen yöntem uygulanması için yeni bir veri seti toplanmıştır. Ayrıca literatürde yaygın olarak kullanılan veri setleri kullanılmış ve internet kaynaklarından farklı görüntülerde toplanmıştır. Önerilen yöntemler birçok veri seti için uygulanmış ve deneysel sonuçlar verilmiştir. Tez kapsamında üç temel noktada bilimsel katkı sunulmuştur. İlk olarak, GLADIUS MINI model kablolu su altı robotu kullanılarak veri seti toplanmıştır. Bu veri seti üzerinde çöpler türlerine göre etiketlenmiştir. YOLO-V4 algoritması kullanılarak 80:20 eğitim test verileri için %88.7 başarı sağlanmıştır. İkinci olarak su altı görüntü sınıflandırma için görüntü işleme ve K En Yakın Komşu Algoritması (KNN) tabanlı bir yöntem önerilmiştir. Önerilen yöntemin test edilmesi ve literatürdeki sonuçlar ile karşılaştırılabilmesi için Trash-ICRA19 veri seti kullanılmıştır. Veri seti kırpma işlemi uygulanmış ve toplamda 11060 görüntüden oluşan bir veri seti elde edilmiştir. Bu görüntüler ön işleme kullanılarak 200×200 piksele dönüştürülmüştür. Yönlü Gradyan Histogramı (HOG) algoritması uygulanılarak, 11060×900 öznitelik vektörleri elde edilmiştir. Elde edilen sonuçlar KNN sınıflandırıcının bu yöntemde kullanılması durumunda % 97.78 doğruluk elde edilmiştir. Üçüncü olarak ise su altı görüntülerini kullanan projektör derin özellik çıkarımı tabanlı çöp görüntü sınıflandırma modeli önerilmiştir. Bu yöntemin çok sayıda görüntü ile test edilmesi için hibrit bir veri seti toplanmıştır. Görüntü üzerinde projektör ResNet101 kullanılarak özellik çıkarımı yapılmıştır. Çıkarılan özellikler birleştirilmiş ve en ağırlıklı özellikler Komşu Bileşen Analizi (NCA) kullanılarak seçilmiştir. Seçilen özellikler KNN algoritması ile sınıflandırılmıştır. Önerilen yöntem ile %99.35 doğruluk hesaplanmıştır. Sonuç olarak, bu yüksek lisans tez çalışması kapsamında su altındaki çöplerin tespit edilmesi için yöntemler önerilmiş ve performans sonuçları sunulmuştur. Tez kapsamında yapılan çalışmalar 1649B022204832 proje numaralı (TÜBİTAK) 2210/C Yurt İçi Öncelikli Alanlar Yüksek Lisans Burs Programı tarafından ve TEKF.22.01 Numaralı FÜBAP yüksek lisans tez araştırma projeleri tarafından desteklenmiştir.