Yapay zeka yöntemlerini kullanarak geçiş üstünlüğüne sahip araçların gerçek zamanlı tespiti

Abstract

Günümüzde nesne takibi ve tespiti, en çok araştırılan konular arasında yer almaktadır. Bunun nedeni, günlük yaşamda karşılaşılan savunma, güvenlik, tıp, robotik , oto pilot araçlar ve plaka tanıma kullanımlarında kritik öneme sahip olmasıdır. Plaka tanıma, otomatik ve kartlı geçiş sistemlerin artması ile artık araç geçiş noktalarında insan ihtiyacına gerek duyulmamaya başlanmıştır. Bariyer sistemlerin olduğu yerde sadece yetkisi olan araçlar geçişlerini sağlayabilmektedir yetkisi olmayan araçlar ya yetkili bir kişi ile görüşmesi gerekmekte ya da giriş yapamadan geri dönmektedir. Kurum ve kuruluşlarda özel bölgelere araç ile girişlerde bariyerlerden geçebilmeleri için yetki olması gerekmektedir. Başta hastane olmak üzere acil hasta taşıyan kırmızı şeritli ve hasta nakil için kullanılana mavi şeritli ambulansların geçiş yaptığı güzergahlarda sivil araçların girişine izin verilmemektedir. Bunun nedeni, sivil araçların trafik oluşturarak ambulansların gecikmesine yol açmalarıdır. Bu sorunu önlemek için genellikle kollu bariyer tercih edilir. Bu tezin amacı insan kontrolünün olmadığı ve başka sistemler ile kontrol edilen (OGS, KGS, plaka tanıma vb.) noktalardan geçiş yetkisi tanımlanmamış ama geçiş üstünlüğüne sahip araçların yapay zeka yöntemlerini kullanarak gerçek zamanlı tespit edilip, geçiş izinlerinin hızlı bir şekilde verilmesini sağlamaktır. Bunun için nesne tespit algoritmalarında biri olan YOLO algoritmasını kullanarak geçiş üstünlüğüne sahip aracı en kısa sürede ve yüksek oranda tespit edilecek. Araç algılandıktan sonra bariyeri IOT (nesnelerin interneti) kullanarak bariyerin ana sürücüsüne aç sinyali verecek ve geçişini tamamlayacak. Ambulans tespitini yapacak model eğitim için 7216 tane JPG formatında veri setleri kullanıldı. Veri seti %80 eğitim %20 doğrulama için kullanıldı. Eğitim sonucunda mAP50 değeri %98.3 çıkmıştır.

Object tracking and detection are among the most researched topics today due to their critical importance in areas like defense, security, medicine, robotics, autonomous vehicles, and license plate recognition. The increase in automated and card-based entry systems has reduced the need for human intervention at vehicle checkpoints, allowing only authorized vehicles to pass. Unauthorized vehicles must either contact an authority or turn back. In institutions, vehicles need authorization to pass through barriers into restricted areas. Civilian vehicles are not allowed on routes used by red-striped emergency ambulances and blue-striped patient transport ambulances, particularly in hospitals, to prevent delays caused by traffic congestion. Arm barriers are commonly used to address this issue. The aim of this thesis is to utilize artificial intelligence methods to detect vehicles with priority access at unmanned checkpoints and quickly grant them passage. The YOLO algorithm, one of the object detection algorithms, will be used to detect priority vehicles as quickly and accurately as possible. Once the vehicle is detected, an IoT system will signal the barrier to the main driver to open it, allowing the vehicle to pass through. For model training, 7216 JPG format datasets were used. The dataset was divided into 80% for training and 20% for validation. The training resulted in a mAP50 score of 98.3%.