IEEE T-AESS Takımı

Drone Nesne Tespit Sistemi

Teknofest İnsansız Hava Aracı

80 farklı nesneyi tespit edebilen gelişmiş görüntü işleme algoritması ile nesneleri haritalayan yapay zeka sistemi

80
Tespit Edilen Nesne
87%
Tespit Doğruluğu
30fps
İşleme Hızı
1.8
Yıl Geliştirme

Proje Hakkında

IEEE Öğrenci Topluluğu bünyesinde T-AESS Takımı ile Teknofest Etkinliği için geliştirdiğimiz İnsansız Hava Aracı projesi, en kapsamlı computer vision çalışmalarımdan birisidir. Bu proje kapsamında Computer Vision Engineer olarak görev aldım ve drone yazılım geliştirmesinde aktif rol oynadım.

Sistemimiz, YOLOv7 algoritması tabanlı nesne tespit teknolojisi kullanarak 80 farklı nesne kategorisini gerçek zamanlı olarak tespit edebilmektedir. 8 kişilik takımla geliştirilen bu sistem, 200 bin görüntüden oluşan özel eğitim veri seti ile eğitilmiş olup, drone ile toplanan görüntülerde nesnelerin konumlarını belirleyerek coğrafi koordinatlarla haritalama yapabilme kapasitesine sahiptir.

Proje, Teknofest İnsansız Hava Araçları yarışması için özel olarak tasarlanmış olup, arama-kurtarma senaryolarında kullanılabilecek niteliktedir. Sistem, farklı hava koşullarında ve değişken ışık koşullarında güvenilir performans gösterebilmektedir.

Projede Rolüm

Computer Vision Algoritması Geliştirme

  • YOLOv7 modelinin drone görüntüleri için fine-tuning işlemi
  • 80 farklı nesne kategorisinde eğitim veri seti hazırlanması
  • Gerçek zamanlı nesne tespit algoritmasının optimizasyonu

AI Haritalama Sistemi

  • Tespit edilen nesnelerin GPS koordinatlarıyla eşleştirilmesi
  • Drone telemetri verileri ile görüntü analizi entegrasyonu
  • Gerçek zamanlı harita oluşturma ve nesne konumlandırma

Drone Yazılım Geliştirme

  • Python ile drone kontrol yazılımının geliştirilmesi
  • OpenCV ve PyTorch entegrasyonu ile görüntü işleme
  • MAVLink protokolü ile drone haberleşme sistemleri

Test ve Optimizasyon

  • Farklı hava koşullarında sistem performans testleri
  • Uçuş simülasyonları ile algoritma doğrulama
  • Latency optimizasyonu ve gerçek zamanlı performans artırma

Tespit Edilebilen Nesne Kategorileri

İnsanlar
Person
Araçlar
Car, Bus, Truck
Yapılar
Building, House
Doğa
Tree, Water
Motosiklet
Motorcycle
Bisiklet
Bicycle
Tekne
Boat
Uçak
Airplane

Sonuçlar ve Başarılar

Performans Metrikleri

  • Genel Tespit Doğruluğu: 87.3%
  • İnsan Tespiti: 92.1%
  • Araç Tespiti: 89.7%
  • İşleme Hızı: 30 FPS
  • GPS Doğruluğu: ±2 metre

Teknofest Başarıları

  • Teknofest finalist takım
  • En iyi computer vision sistemi ödülü
  • 12 kişilik takım koordinasyonu
  • 1.8 yıllık geliştirme süreci

Teknik Zorluklar ve Çözümler

Gerçek Zamanlı İşleme

Zorluk

Drone uçuş sırasında 30fps gerçek zamanlı nesne tespiti

Çözüm

YOLOv7 optimizasyonu ve GPU paralel işleme

Hava Koşulları

Zorluk

Değişken ışık, rüzgar ve hava koşullarında kararlı tespit

Çözüm

Augmentation teknikleri ve multi-scale detection

GPS Hassasiyeti

Zorluk

Yüksek irtifada hassas GPS koordinat eşleştirmesi

Çözüm

IMU sensör füzyonu ve kalman filter uygulaması

Proje Bilgileri

Organizasyon
IEEE T-AESS Takımı
Süre
Eylül 2022 - Haziran 2024
Takım Büyüklüğü
8 kişi
Rolüm
Computer Vision Engineer

Kullanılan Teknolojiler

Python YOLOv7 PyTorch OpenCV MAVLink GPS Raspberry Pi Linux

İlgili Projeler

Benzer teknolojiler kullanılarak geliştirilen diğer projelerim

Türkçe OCR Sistemi

Computer Vision tabanlı metin tanıma

Detayları Gör

Plaka Tanıma Sistemi

Gerçek zamanlı plaka tespit sistemi

Detayları Gör

EasyBin

Computer Vision ile nesne sınıflandırma

Detayları Gör