İHA imgelerinden bilgisayar görüsü kullanılarak ağaç sayısı kestirimi

Abstract

Günümüzde İnsansız Hava Araçları (İHA), birçok alanda (askeri, tarım, güvenlik, izleme, acil yardım, turizm) kullanılmaktadır. Bu tez çalışmasında, İHA'dan elde edilen yüksek çözünürlüklü renkli KYM (Kırmızı, Yeşil, Mavi) görüntülerden Siirt Üniversitesi Kezer Kampüsü alanındaki bazı bölgelerin ağaçların sayısının kestirimi gerçekleştirilmiştir. Kampüs alanı içerisinde belirlenen bölgelerde İHA ile havadan alınan görüntülerin ortofoto haritası oluşturulduktan sonra bu ortofoto haritalara ait HSV (Hue Saturation Value), RGB (Red Green Blue) ve GRAY (Gri) formatlarında her nesneye ait ilgi bölgesi ROI (Region of Interest) belirlenmiştir. İlgi bölgelerinden öğrenme, doğrulama ve test veri kümelerini içeren bir veri seti oluşturulmuştur. Oluşturulan bu veri seti çeşitli makine öğrenmesi algoritmaları kullanılarak ağaçların tespiti ile ilgili sınıflandırma başarısı test edilmiştir. Son aşamada ise ağaçların gerçek sayıları manuel yöntemle elde edilerek bir referans modeli oluşturulmuş ve otomatik yöntemle elde edilen ağaçların sayıları ile referans veri karşılaştırılarak doğruluk analizleri yapılmıştır. Geliştirilen yazılımın başka nesnelerin; örnek olarak araç, insan, bina sayısının hesaplanmasında ileride yapılacak projelerde kullanılabileceği öngörülmektedir.

Unmanned Aerial Vehicles (UAV) are used in many fields such as military, agriculture, security, monitoring, emergency aid and tourism. In this thesis, the number of trees of some regions in Siirt University Kezer Campus area is estimated from high resolution colored RGB (Red, Green, Blue) images obtained from UAV. After the orthophoto map of the images taken from the air with the UAV in the designated areas within the campus area, the region of interest of each object was determined in HSV (Hue Saturation Value), RGB (Red Green Blue) and GRAY (Gray) formats of these orthophoto maps. A data set was created containing learning, validation and test datasets from regions of interest. This data set was tested by using various machine learning algorithms. In the last stage, the real numbers of the trees were obtained by manual method and a reference model was formed and the accuracy analysis was made by comparing the numbers of the trees obtained with the automatic method and the reference data. The developed software can be used in future projects for calculating the number of other objects such as vehicles, people and buildings.