Yangın Tespiti için Derin Öğrenme Tabanlı Sınıflandırma: Baberti Külliyesi Örneği

Abstract

Çevremizde gerçekleşen yangınlar yüzünden her yıl ciddi oranda can ve mal kaybı yaşanmaktadır. Bu bakımdan erken dönemde yani başlangıç aşamasında bir yangını tespit edebilmek, müdahale zamanının kısalması açısından oldukça önemlidir. Yapılan çalışmanın ana amacı belirli bir dış mekân ve çevresi için özelleştirilmiş ve yüksek doğruluk ile çalışan bir yangın algılama sisteminin gerçekleştirilmesidir. Bunun için Bayburt Üniversitesi Baberti Külliyesi uygulama alanında döner kanatlı insansız hava aracı kullanılarak fotoğraflar elde edilmiştir. Bu fotoğraflar rastgele olacak şekilde ikiye ayrılmış ve bir bölümüne yapay zekâ aracılığı ile yangın bileşenleri eklenmiştir. Bu şekilde bir yangın veri tabanı oluşturulmuş ve oluşturulan veri tabanındaki tüm fotoğraflara HSV renk uzayında belirlenen parametreler kullanılarak görüntü filtreleme ile ateş olan bölümleri tespit edip diğer kısımları maskeleyecek bir maske eklenmiştir. Daha sonra elde edilen filtrelenmiş fotoğraflar derin öğrenme ile yangının varlığı ve yokluğu durumlarına göre sınıflandırılmıştır. Sınıflandırma modelinin oluşturulması aşamasında evrişimsel sinir ağları tabanlı VGG16, VGG19, DenseNet201, InceptionV3, MobileNetV2, Resnet50, Resnet101 ve Resnet152 derin öğrenme mimarileri, transfer öğrenme yolu ile çalışmaya uyarlanarak kullanılmıştır. Sonuç olarak kullanılan mimariler içinde ateşin tespit edilmesinde F1-Skoru açısından en yüksek değerlere (%95) sahip olan VGG19, DenseNet201, MobilenetV2 ve Resnet152 mimarilerinin, en başarılı mimariler olduğu tespit edilmiştir. Bununla beraber bu mimarilerin ateşin olduğu ve olmadığı tüm durumlarda en yüksek sınıflandırma doğruluğuna (%95) sahip oldukları tespit edilmiştir.