İnsansız hava araçlarında bulunan kameralar kullanılarak orman yangınlarının tespit edilmesi

İnsansız hava araçları (İHA'lar), uzaktan kontrol ve izleme yetenekleri sayesinde paha biçilmez teknolojilerdir. Operasyonel kuvvetler ve itfaiyeciler, orman yangını tespit görevlerinde İHA'ları kullanır. En popüler derin öğrenme mimarilerinden biri olan evrişimli sinir ağları (CNN), yüksek örüntü tanıma yetenekleri nedeniyle insansız hava araçlarında bulunan kameralar ile elde edilen görüntüler aracılığıyla orman yangını tespitinde kullanılabilir. Derin evrişimli sinir ağları, yüksek işlem kabiliyetine sahip donanımlarda etkin bir şekilde çalışabilir. Bu ağlar, GPU destekli donanıma sahip yer kontrol istasyonlarından yönetilen insansız hava araçlarında kolaylıkla çalıştırılabilirken, tipik bir İHA'nın sınırlı hesaplama kaynakları üzerinde çalıştırılabilmesi için hafif, küçük boyutlu ve verimli ağlar gerekir. Bu engellerin üstesinden gelmek için bu tez, derin ve hafif evrişimli sinir ağları ile İHA görüş verilerini kullanarak orman yangını algılama görevlerini gerçekleştirmeye yönelik kapsamlı bir araştırma sunmaktadır. Bu tezde, en başarılı yaklaşımı elde etmek için iyi bilinen evrişimli sinir ağı mimarileri kullanılarak deneyler yapılmıştır. Ayrıca, belirlenen modellerde transfer öğrenimi gerçekleştirilmiştir. Ek olarak, evrişimli sinir ağı mimarileri, yüksek doğrulukta modeller geliştirmek için bir dikkat mekanizması eklenerek modifiye edilmiştir. Denenen modeller arasında dikkat tabanlı EfficientNetB0 omurgalı model, orman yangını algılama konusunda en başarılı mimari olarak ortaya çıkmıştır. FLAME veri setinde 92,02 % test doğruluğu ve kızılötesi veri setinde 99,76 % test doğruluğu ile, orman yangınını algılamada bir dikkat katmanının eklenmesi, EfficientNetB0 tabanlı modelin verimliliğini güçlü bir şekilde kanıtlamıştır.