Hava aracı tespit ve takip sisteminin gerçek zamanlı olarak gömülü sistem üzerinde gerçekleştirilmesi

Abstract

Bu tez çalışması, İnsansız Hava Araçlarının (İHA) çeşitli savaş senaryolarında pilot seviyesinde karar alabilme ve hedef takip edebilme yeteneklerini kazanmasını sağlayacak bir gömülü sistem geliştirmeyi amaçlamaktadır. Bu kapsamda, gömülü sistemler ile nesne tespit modellerinin entegrasyonu ele alınmış ve gerçek zamanlı olarak hedef tespit ve takip işlemlerinin sağlanması hedeflenmiştir. Çalışmada Python, OpenCV ve YOLO gibi teknolojiler kullanılarak, düşük gecikme süresine sahip bir sistem elde edilmesi amaçlanmıştır. Sistem, İHA’nın burun kısmına yerleştirilen yüksek çözünürlüklü bir kamera ile canlı görüntü elde ederek, bu görüntüyü gömülü sistem üzerinde işleyip hedef hava aracını tespit etmekte ve takip işlemini başlatmaktadır. YOLO modeli, bu projede yüksek doğruluk ve hız sağladığı için tercih edilmiştir. Hedef hava aracının konumu ve yönelimi tespit edildikten sonra, uçuş bilgisayarına gönderilen kontrol sinyalleriyle takip işlemi sürdürülmektedir. Bu teknoloji sayesinde, savaş pilotlarının maruz kaldığı tehlikeli senaryolar, insan müdahalesi gerekmeksizin otomatik olarak yönetilebilmekte, bu da güvenlik ve operasyonel maliyetler açısından önemli avantajlar sunmaktadır. Tezin deneysel çalışmaları kapsamında, farklı simülasyon yazılımları ve sanal test ortamları aracılığıyla elde edilen sonuçlar, sistemin doğruluk ve kararlılık açısından başarılı performans sergilediğini ortaya koymuştur. Özellikle YOLOv8n modeli, eğitim sürecinde %90,79 mAP@0,5 doğruluk değerine ulaşarak sabit kanatlı hava aracı tespiti görevlerinde yüksek başarı sağlamıştır. Bu doğruluk oranı, gömülü sistemler için optimize edilmiş modeller arasında önemli bir yer edinmiştir. Gerçek zamanlı testlerde Jetson Nano üzerinde ortalama 17,5 FPS değerine ulaşılmış ve bu da sistemin hem hız hem de doğruluk açısından uygulamaya elverişli olduğunu göstermiştir. Takip algoritmaları açısından değerlendirildiğinde, klasik Kalman Filtresi düşük hesaplama maliyetiyle bazı senaryolarda yeterli performans sunarken, karmaşık manevralar ve doğrusal olmayan uçuş dinamiklerinde yetersiz kalmıştır. Bu bağlamda kullanılan Genişletilmiş Kalman Filtresi (EKF), hem bilgisayar hem de Jetson Nano ortamında yapılan testlerde yüksek izleme kararlılığı sunmuş ve sistemin genel performansına önemli katkı sağlamıştır. EKF ile yapılan izleme sürecinde sistem, yön değiştirme, hızlanma ve hedef kaybı gibi durumlarda dahi kesintisiz ve tutarlı tahminler üretebilmiştir. Sonuç olarak, YOLOv8n tabanlı nesne tespiti ile EKF destekli takip algoritmasının entegrasyonu, sistemin doğruluğunu, kararlılığını ve gerçek zamanlı işleyebilirliğini optimize eden etkili bir çözüm sunmuştur. Bu çalışma, İHA'ların otonom görev icra kabiliyetlerini artırmakta ve literatürde yer alan geleneksel yöntemlerin ötesine geçen yenilikçi bir yaklaşım ortaya koymaktadır. Elde edilen bu bulgular, ileride gerçek İHA platformları üzerinde yapılacak uçuş testleri için sağlam bir altyapı oluşturmakta ve sistemin savunma, güvenlik ve keşif uygulamalarına yönelik potansiyelini ortaya koymaktadır.