Depremden yıkılan binaların tespitinde makine öğrenme yöntemlerinin değerlendirilmesi

Bu tez çalışması, 2023 Kahramanmaraş depremleri sonrasında Hatay Antakya bölgesindeki hasarlı ve yıkılmış yapıların tespiti için yüksek çözünürlüklü insansız hava aracı(İHA) görüntülerinin analizine odaklanmaktadır. Çalışmada, nesne tabanlı görüntü analizi desteğiyle farklı makine öğrenimi(ML) yöntemleri kullanılarak detaylı bir değerlendirme yapılmıştır. Deprem sonrası Antakya' da elde edilen insansız hava aracı (İHA) görüntüleri üzerinde çoklu çözünürlüklü segmentasyon işlemi (MRS) uygulanmıştır. Segmentasyon parametrelerinin optimizasyonu kapsamında, ölçek, şekil ve yoğunluk değerleri sistematik olarak test edilmiştir. Bu süreçte, her parametre kombinasyonu için görsel kontrol ve istatistiksel analizler yapılmıştır. Nesnelerden çıkarılan spektral, dokusal ve şekil özellikleri, Rastgele Orman (RF), Destek Vektör Makineleri (SVM) ve K-En Yakın Komşuluk (KNN) algoritmalarıyla analiz edilmiştir. Performans değerlendirmesinde kullanılan genel doğruluk (OA), üretici doğruluğu (PA) ve kullanıcı doğruluğu (UA) metrikleri, algoritmaların karşılaştırılmasında objektif bir temel sağlamıştır. Sonuçlar, K-NN algoritmasının genel doğruluk anlamında diğer yöntemlere göre daha başarılı olduğunu göstermiştir. Çalışmanın bulguları, afet sonrası hızlı değerlendirme çalışmalarında makine öğrenmesi tabanlı yöntemlerin pratik faydalarını ortaya koymaktadır. Bu çalışma, İnsansız Hava Aracı ve yüksek çözünürlüklü uydu görüntüsü aracılığı ile enkaz tespitinde başarı oranının arttırmıştır. Özellikle kentsel alanlarda yıkım tespiti için bu tür analizlerin etkin bir şekilde kullanılabileceği anlaşılmaktadır. Ancak, mevcut yöntemlerin sınırlılıklarının aşılması için daha gelişmiş segmentasyon tekniklerinin geliştirilmesi ve farklı veri kaynaklarının entegre edilmesi gerektiği sonucuna varılmıştır.