Uzaktan algılama yöntemi kullanarak Sentinel-1 uydu görüntülerinden makine öğrenmesi yaklaşımı ile yüksek gerilim direği tespiti
| dc.authorid | 0009-0009-3890-7744 | |
| dc.contributor.advisor | Acar, Emrullah | |
| dc.contributor.author | Sarıkaya, Hasan | |
| dc.date.accessioned | 2025-02-19T06:02:35Z | |
| dc.date.available | 2025-02-19T06:02:35Z | |
| dc.date.issued | 2025-01-23 | |
| dc.department | Batman Üniversitesi Lisansüstü Eğitim Enstitüsü Elektrik-Elektronik Mühendisliği Bölümü Anabilim Dalı | |
| dc.description.abstract | Elektrik enerjisi, modern toplumların ekonomik ve teknolojik gelişiminde kritik bir rol oynamaktadır. Elektrik, sanayi üretimi, sağlık hizmetleri, eğitim ve iletişim gibi temel sektörlerde kesintisiz hizmet sunumunu mümkün kılarak yaşam kalitesini artırmaktadır. Elektrik enerjisinin iletilmesi, verimli enerji dağıtımı için yüksek gerilim hatları aracılığıyla gerçekleştirilmektedir. Bu hatlar, enerji iletim kayıplarını minimize ederek, enerji verimliliğini ve sürdürülebilirliğini artırır. Elektrik enerjisinin güvenli ve kesintisiz iletimi, altyapının sağlamlığı ve bakımı açısından büyük önem taşımaktadır. Bu çalışmada, uzaktan algılama ve farklı makine öğrenme teknikleri kullanarak Batman çevresindeki yüksek gerilim hattı direklerinin tespit edilmesi amaçlanmıştır. Sentinel-1 Synthetic Aperture Radar (SAR) uydusu kullanılmıştır. DY (Düşey-Yatay), DD (Düşey-Düşey) polarizasyon modları verisetini oluşturmuştur. Bu verisetleri makine öğrenmesi yöntemi türü olan gözetimli öğrenme modeline ait algoritmalar (Destek vektör makinesi, KNN, Karar Ağacı, Quadratic Discriminant, Naive Bayes) tarafından çözümlenmiştir. Sonuç olarak Destek vektör makinesi modeli ile %85.0; Quadratic Discriminant modeli ile %82.5; KNN modeli ile %82.2; Karar Ağacı modeli ile %76.8; Naive Bayes modeli ile %74.0 başarı oranı sağlanmıştır. Çalışma yapay zekâ kullanılarak yüksek gerilim direklerinin daha doğru, hızlı ve belirli periyotlarla kontrolüne olanak sağlamaktadır. Geleneksel yöntemlerin yüksek gerilim hatlarının kontrolünde zaman alıcı ve maliyetli olduğu göz önüne alındığında, bu çalışma amacı, enerji nakil hatlarının izlenmesi ve bakım süreçlerinin iyileştirilmesine katkıda bulunarak enerji altyapısının verimliliğini artırmaktır. | |
| dc.description.abstract | Electric energy plays a critical role in the economic and technological development of modern societies. By enabling uninterrupted service delivery in key sectors such as industrial production, healthcare, education, and communication, electricity enhances the quality of life. The transmission of electric energy is carried out through high-voltage lines to ensure efficient energy distribution. These lines minimize energy transmission losses, thereby increasing energy efficiency and sustainability. The safe and continuous transmission of electric energy is of great importance for the robustness and maintenance of infrastructure. In this study, it is aimed to detect high-voltage transmission line poles around Batman using remote sensing and different machine learning techniques. The Sentinel-1 Synthetic Aperture Radar (SAR) satellite was used. DY (Vertical-Horizontal), DD (Vertical-Vertical) polarization modes formed the dataset. These datasets were analyzed by algorithms belonging to the supervised learning model type, namely Support Vector Machine, KNN, Decision Tree, Quadratic Discriminant, Naive Bayes. As a result, the Support Vector Machine model achieved an accuracy rate of 85.0%; Quadratic Discriminant model 82.5%; KNN model 82.2%; Decision Tree model 76.8%; and Naive Bayes model 74.0%. The study allows for the more accurate, faster, and periodic control of high-voltage poles using artificial intelligence. Considering that traditional methods for inspecting high voltage lines are time-consuming and costly, the aim of this study is to contribute to the monitoring and improvement of maintenance processes of energy transmission lines, thereby enhancing the efficiency of energy infrastructure. | |
| dc.identifier.citation | Sarıkaya, H. (2025). Uzaktan algılama yöntemi kullanarak Sentinel-1 uydu görüntülerinden makine öğrenmesi yaklaşımı ile yüksek gerilim direği tespiti. (Yayınlanmamış Yüksek Lisans Tezi). Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, Batman. | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12402/4850 | |
| dc.language.iso | tr | |
| dc.publisher | Batman Üniversitesi Lisansüstü Eğitim Enstitüsü | |
| dc.relation.publicationcategory | Tez | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Yüksek Gerilim Hatları | |
| dc.subject | Makine Öğrenmesi | |
| dc.subject | Uzaktan Algılama | |
| dc.subject | Sentinel-1 | |
| dc.subject | Yapay Zekâ | |
| dc.subject | High Voltage Lines | |
| dc.subject | Machine Learning | |
| dc.subject | Remote Sensing | |
| dc.subject | Artificial Intelligence | |
| dc.title | Uzaktan algılama yöntemi kullanarak Sentinel-1 uydu görüntülerinden makine öğrenmesi yaklaşımı ile yüksek gerilim direği tespiti | |
| dc.title.alternative | Detection of high voltage transmission towers using Sentinel-1 satellite images with a machine learning approach based on remote sensing methods | |
| dc.type | Master Thesis |
