Derin Öğrenme Ile Hiperspektral Gaz Ayrıştırma

Date

2021-9-01

Author

Özdemir, Okan Bilge
Koz, Alper

Metadata

Show full item record

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Item Usage Stats

57
views

82
downloads

Cite This

Tehlikeli gazların sızıntı yaptığı durumlar hem ekolojik olarak hem de insan sağlığı bakımından kısa ve uzun vadeli riskler oluşturabilmektedir. Bu nedenle, gaz salım seviyelerinin uzaktan algılama ile belirlenebilmesi ve kontrol edilebilmesi gerekmektedir. Bu bağlamda, kızıl ötesi uzaktan algılama teknolojisi, olay yerinin güvenli bir yerden izlenmesine ve görüntülenmesine olanak sağladığı için, geleneksel gaz algılama sistemlerine göre birçok avantaj sunmaktadır. Bu projede, derin öğrenme ile hiperspektral ayrıştırma tabanlı otomatik gaz tespit algoritması önerilmiştir. Önerilen yöntem üç ana aşamadan oluşmaktadır. İlk aşama olan ön işleme ile gaz verisi parlaklık sıcaklığına dönüştürülür. İkinci aşamada hiperspektral ayrıştırma ile hem verideki saf materyaller tespit edilir, hem de bu materyallerin her bir piksel içerisindeki bolluk oranları belirlenir. Son aşamada ise veri içerisinde bulunan saf materyallerin gaz olup olmadığı belirlenir ve bolluk oranına göre piksel seçimi gerçekleştirilir. Çalışmada önerilen derin öğrenme modelinin öğrenme oranına, maliyet fonksiyonuna ve parti boyutuna etkisi incelenmiştir. Metanol ve eten gazları için yapılan bu çalışmada sunulan otomatik tespit yönteminin başarımı geleneksel yöntemlerle karşılaştırılmıştır. Buna göre, önerilen derin öğrenme tabanlı yöntemin spektral açı haritalama ve uyarlanabilir tutarlı filtre yöntemlerine göre kesinlik ve duyarlılık metrikleri açısından daha iyi sonuçlar verdiği gözlemlenmiştir.

Subject Keywords

Hiperspektral, Gaz, Derin Öğrenme, Ayrıştırma, Hyperspectral, Gas, Deep Learning, Unmixing

URI

https://search.trdizin.gov.tr/tr/yayin/detay/1222289/derin-ogrenme-ile-hiperspektral-gaz-ayristirma
https://hdl.handle.net/11511/113813

Collections

Center for Image Analysis (OGAM), Project and Design