Elektrikli gemilerin şarj prosesi için yapay zekâ tabanlı yeni bir otonom kontrol sistemi

Denizyolu taşımacılığı, küresel ticaretin omurgasını oluşturarak ekonomik ve stratejik açıdan önem taşımaktadır. Ancak fosil yakıt kullanımına bağlı olarak ortaya çıkan yüksek sera gazı emisyonları, sektörü sürdürülebilir ve düşük emisyonlu teknolojilere yöneltmektedir. Bu doğrultuda, elektrikli ve hibrit gemilerin yaygınlaşmasıyla birlikte, limanlarda güvenli, hızlı ve otonom şarj sistemlerine duyulan ihtiyaç artmaktadır. Bu tez kapsamında, elektrikli gemilerin limanlarda kıyıdan gemiye (Shore-to-Ship, STS) şarj sürecini gerçekleştirebilecek robotik şarj istasyonu için yapay zekâ tabanlı yeni bir otonom kontrol sistemi geliştirilmiştir. Farklı çevresel koşullarda (gündüz/gece, bulutlu/güneşli) elde edilen görüntülerden özgün bir şarj soketi veri seti oluşturulmuş; nesne tespiti için YOLOv3, YOLOv5 ve YOLOv8 mimarileri karşılaştırılmıştır. YOLOv5 üzerinde Focal, SIoU ve Boundary-Aware kayıp fonksiyonları kullanılarak performans iyileştirmeleri sağlanmıştır. Ayrıca DETR, RT-DETR ve RF-DETR mimarileri analiz edilmiş; RT-DETR üzerinde çok aşamalı adaptif veri artırma stratejisi geliştirilerek değişen senaryolarda genelleme başarımı belirgin şekilde artırılmıştır. Nesne tespitinden sonra limana yaklaşan gemilerin takibini sağlamak için DeepSORT, ByteTrack, OC-SORT, SORT, BoT-SORT ve StrongSORT algoritmaları sırasıyla test edilmiş ve performans analizleri yapılmıştır. Takip algoritmalarının değerlendirilmesinde; (1) çoklu nesne takibi (MOT) algoritmalarının performansını ölçmek ve (2) hareketli sahnelerde limana yaklaşan gemilerin çoklu hedef senaryolarını analiz etmek amacıyla, literatürde yaygın olarak kullanılan Singapore Maritime Dataset (SMD) tercih edilmiştir. Tüm modeller, NVIDIA A100 GPU üzerinde eğitilmiş; ayrıca Jetson Nano ve Jetson Xavier Nx platformlarında gerçek zamanlı test edilmiştir. RGB kamera ve lazer sensör verileri, veri füzyonu yöntemiyle birleştirilmiş; soketin konumuna göre elde edilen bilgiler Modbus protokolü üzerinden PLC'ye aktarılmıştır. Bu süreç soketler arasındaki mesafe 60 cm'ye ulaşıncaya kadar devam ettirilmiş, belirlenen mesafeden sonra ise daha hassas hizalama için lazer tabanlı sistem devreye alınmıştır. Lazer destekli hizalamanın ardından erkek ve dişi soket kenetlenmiş, fiziksel bağlantı sağlanarak enerji aktarımı mümkün kılınmıştır. Gömülü donanım entegrasyonu sayesinde gerçek zamanlı karar verme ile hareket kontrolü gerçekleştirilmiş; Jetson Nano üzerinde optimize edilen algoritmalar PyQt tabanlı arayüz ile desteklenmiştir. Ayrıca Snap7 kütüphanesi kullanılarak PLC ile doğrudan iletişim kurulmuş, Modbus tabanlı haberleşmeye ek olarak daha esnek ve güvenilir bir kontrol imkânı sağlanmıştır. Saha testlerinde bağlantı süresinin 30 saniyenin altına düşürülmesiyle güvenli, hızlı ve hassas enerji aktarımı doğrulanmıştır. Sonuç olarak, geliştirilen sistem, laboratuvar ortamında prototip testleri ve saha denemeleriyle doğrulanarak güvenilirlik, hız ve hassasiyet açısından etkinliğini kanıtlamıştır. Bu tez, yapay zekâ tabanlı robotik otonom şarj sistemlerinin denizcilik sektörüne entegrasyonu konusunda uygulanabilir bir çözüm modeli sunmaktadır.