Sentetik veriseti ile derin öğrenme eğitimi kullanarak döner kanat İHA tespit modelinin geliştirilmesi

Döner kanatlı insansız hava araçlarının (İHA) kullanımı her geçen gün artmakta ve erişilebilirliği kolaylaşmaktadır. Kolay erişilebilirlik ve kullanılabilirliğin dezavantajı olarak İHA teknolojisi güvenliği ve kişisel alanları tehdit etmektedir. Erişilebilirliği kolay olan bu teknoloji ucuz ve kolay kuruluma sahip bir algılayıcı ile tespit edilmelidir. Çalışmanın amacı kamera ve makine öğrenmesi tabanlı sistemler kullanılarak İHA tespit algılayıcısının geliştirilmesidir. Algılayıcı teknolojisinde son zamanlarda başarılı sınıflandırma sonuçları gösteren derin öğrenme metodu kullanılmıştır. Derin öğrenme yöntemi ile eğitilen yapay zekalar başarım olarak etkili sonuçlar gösterir. Diğer taraftan yapay zeka (YZ) eğitiminde çok fazla veriye ihtiyaç duyar. Bu engeli aşmak için derin öğrenme algoritmasının ihtiyaç duyduğu veri setini oyun motoru yazılımları kullanarak sentetik olarak üretildi. Çalışmanın özgün yönü sentetik olarak üretilen imgeler ile eğitilen yapay zekanın gerçek veriler üzerinde test edilerek 90% başarı elde etmesidir. Sentetik veriler ile doğrudan eğitilen ve gerçek veriler ile test edilen YZ'nın başarısı oldukça düşüktür. Bunun sebebi sentetik ve gerçek imge arasındaki gerçeklik farkıdır. Bu farkı en aza indirmek farklı özellik çıkarım algoritmaları için 7 farklı deney tasarlandı. Deneylerden biri bizim özgün olarak geliştirdiğimiz CDNTS özellik çıkarım katmanıdır. CDNTS katmanı gerçek verileri 90% oranında başarılı sınıflandırmıştır.