Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightYapılan çalışma sonucunda, doğal ortamlardaki pet ve cam şişelerin büyük bir doğruluk oranı ile tespiti gerçekleştirilmiştir.
📌 3 Maddede Bu Makale
Özet
Pet ve cam şişeler genellikle tek kullanımlık malzemeler olduklarından kullanıldıktan sonra uygun olmayan yerlere özensiz bir şekilde atılmaktadır. Pet ve cam şişe atıkları, çevre kirliliğinin önemli sebeplerinden biridir. Ayrıca cam şişelerin orman yangınlarının çıkmasında çok büyük etkileri vardır. Bu nedenlerden dolayı pet ve cam şişelerin tespit edilmesi ve çevreye zarar vermeden toplanması gerekmektedir. İnsansız Hava Araçları (İHA) günümüzde birçok sektörde oldukça yaygın olarak kullanılmaktadır. İHA’ların kullanım alanlarının artması ve geçmişe göre erişiminin kolay olması birçok alanda gelişmenin de önünü açmıştır. Daha az insan gücü kullanılarak daha düşük maliyetlerle birçok sorun çözüme kavuşturulmuştur. Bu çalışmada, İHA’lardan alınan görüntülerdeki pet ve cam şişelerin tespit edilmesi için görüntü işleme teknikleri kullanılmıştır. Yapılan çalışmada öncelikle eğitim için tespit edilecek nesnelerin bulunduğu görüntüler belirlenmiştir. Bu görüntülerde tespit edilmesi istenen nesneler etiketlenmiş, gerekli düzenlemeler yapılarak eğitim ve test verileri elde edilmiştir. Bu veriler kullanılarak YOLOv3 derin öğrenme algoritması ile eğitim gerçekleştirilmiş, elde edilen veriler ile nesne tespit test işlemi yapılmıştır. Bu test işlemi için pet ve cam şişe atıklarının bulunduğu görüntüler kullanılmıştır. Yapılan çalışma sonucunda, doğal ortamlardaki pet ve cam şişelerin büyük bir doğruluk oranı ile tespiti gerçekleştirilmiştir.
Abstract
Since plastic and glass bottles are generally disposable materials, they are thrown away carelessly after use. One of the main reasons of environmental pollution is plastic and glass bottle waste. Furthermore, glass bottles have a huge impact on forest fires. For these reasons, it is necessary to detect plastic and glass bottles and collect them without harming the environment. Unmanned aerial vehicles (UAV) are widely used in various sectors today. The increase in the use of unmanned aerial vehicles and the ease of access -when compared to the past- have paved the way for development in many fields. Many problems have been solved at lower costs by using less manpower. In this study, image processing techniques were used to detect plastic and glass bottles in images taken from UAVs. Principally, the images with the objects to be detected for training were determined. Objects in these images were labeled, necessary arrangements were made, then training and test data were obtained. Using these data, training was carried out with the YOLOv3 deep learning algorithm, and object detection test was applied with the obtained data. Images of plastic and glass bottle wastes were used for this test process. As a result, plastic and glass bottles in the nature were detected with a great accuracy rate.