İnsansız hava araçları için derin öğrenme tabanlı otonom iniş sisteminin geliştirilmesi

Yapay zeka uygulamalarının hızlı gelişimi, özellikle İHA'lar (İnsansısı Hava Araçları) ve otonom uçuş algoritmaları alanında önemli yenilikler getirmiştir. Ancak, İHA teknolojisi üzerinde çalışan şirketler, İHA'ların iniş ve yaklaşma sırasında çarpışma sorunları nedeniyle teslimat için kullanımlarında zorluklarla karşılaşmaktadır. Bu sorunlar, kalabalık veya karmaşık ortamlarda iniş yapmanın zorluğundan kaynaklanmaktadır. Bu tez çalışması, iniş yerini doğru ve gerçek zamanlı olarak bulmak için bilgisayarla görme ve derin öğrenme tekniklerini kullanan yeni bir yaklaşım sunmaktadır. Bu amaçla, WEBOTS robot simülasyon ortamında birçok engel ve nesne içeren bir ortam tasarlanmış ve Mavic 2 Pro İHA kullanılmıştır. YOLOv8 (You Only Look Once) algoritması, iniş pistinin şehrin gerçek ortamından, internetten ve önerilen simülasyon ortamından alınan görüntülerini tanımak üzere eğitilmiştir. Eğitilen model, İHA'nın kontrol koduna entegre edilmiştir. Bu sayede İHA, karmaşık bir ortamda iniş pistini kendi kendine tanıyabilmiş ve algoritma ile bilgisayarla görme tekniklerine dayanarak doğru bir şekilde iniş yapabilmiştir. Çalışma, simüle edilen ortamdaki çoğu deneyde iniş alanını %95'ten fazla doğrulukla belirlemede başarılı sonuçlar elde etmiştir. Bu tez çalışması, otonom uçuşun karşılaştığı birçok engel ve zorluğun çözümüne katkı sağlayabilecek bir yaklaşım sunmaktadır ve özellikle gerçek dünya uygulamaları için uygun bir çözüm olarak önerilmektedir.