2 sonuçlar
Arama Sonuçları
Listeleniyor 1 - 2 / 2
Öğe Investigation of mechanical properties of composites obtained from textile wastes(Batman Üniversitesi, 2022-07-02) Adin, Mehmet ŞükrüThe textile industry is one of the manufacturing sectors that pollutes the world the most. Since textile wastes are destroyed by burning traditionally, they cause great damage to the environment. Therefore, recycling of these wastes is of great importance. One of these recycling methods is their use in the production of composite materials, the application areas of which have increased in recent years. In this study, the mechanical properties of composite materials produced using cotton and polyester fabrics from waste textiles were investigated. It has been observed that 22% of the composite materials produced with reinforcement elements at different angles (0°, 45°, 90°) are reinforcement elements and 78% are resins. As a result of the tensile tests, the highest tensile strength value was obtained with the polyester fabric with 0° reinforcement angle as 55.72 MPa. It has been found that the increase in the reinforcement angles positively affects the tensile strength in cotton fabric reinforced composites, whereas this situation occurs in the opposite way in polyester fabric reinforced composites. When the highest tensile strength values of polyester fabric and cotton fabric reinforced composite samples were compared, it was seen that the sample using polyester fabric (55.72 MPa) had 69% higher tensile strength than the sample using cotton fabric (33.05 MPa). In addition, the elongation values of polyester fabric reinforced composites were higher than cotton fabric reinforced composites.Öğe Derin transformer kodlayıcı tekniği ve farklı zaman-serisi uydu görüntüleri kullanılarak pamuk ve mısır bitki alanlarının belirlenmesi(Batman Üniversitesi Lisansüstü Eğitim Enstitüsü, 2022-10-11) Şimşek Bağcı, Reyhan; Acar, Emrullah; Türk, ÖmerTürkiye orta kuşakta yer aldığından dolayı tarımsal alanda zengin bir ülkedir. Tarımsal alandaki ürünlerin kısa sürede ve doğru bir şekilde tespit edilmesi oldukça önemlidir. Uzaktan algılamadan elde edilen uydu görüntüleri sayesinde tarımsal ürünlerin tespiti gelişimi ve yıllık ürün tahmini gibi birçok konuda bilgi elde edilebilmektedir. Bu çalışmada, tarımsal ürünlere ait Sentinel-1 ve Landsat-8 uydu görüntü indeksleri ve derin mimarisi birlikte kullanılarak tarımsal ürünlerden Mısır ve Pamuk’un tespitinin yapılması amaçlanmıştır. İlk aşamada tespiti yapılması istenen tarımsal ürünlerin Sentinel-1 ve Landsat-8 uydu görüntülerini elde etmek için pilot alan belirlenmiştir. Tarım ürünleri seçilirken gelişme ve hasat zamanları yakın olan mısır ve pamuk ürünlerinin yoğunlukta olduğu bir tarım arazisi seçilmiştir. Bu pilot alandan daha sonra 100 örnek noktaya ait koordinatlar GPS yardımıyla alınmış ve bu koordinatlar Sentinel-1 ve Landsat-8 uydu görüntülerine aktarılarak yansıma değerleri elde edilmiştir. Görüntülerin yansıma değerlerini hesaplamak için tespiti yapılacak tarımsal ürünlerin gelişim ve hasat zamanlarının birbirine yakın olduğu 2016-2021 döneminin Haziran, Temmuz, Ağustos, Eylül ayları tercih edilmiştir. Çalışmada kullanılan veri seti, Google Earth Engine Code Editor (GEE-CE) yardımıyla elde edilmiş ve 2016-2021 yılları arasındaki Haziran, Temmuz, Ağustos, Eylül aylarına ait Sentinel-1 uydu görüntüsü için toplam 434 görüntü ve Landsat-8 için ise toplam 693 görüntüden oluşmaktadır. Son aşamada, elde edilen yansıma değerleri üç faklı kategoride sınıflandırılmıştır. Bunlar:1-) Sadece Sentinel-1 bantlarıyla sınıflandırma, 2-) Sadece Landsat-8’in B1-B7 bantlarıyla sınıflandırma, 3-) Hem Sentinel-1 hem de Landsat-8’in B1-B7 bantlarıyla sınıflandırma şeklindedir. Bu üç farklı yansıma değerleri, Transformer Derin Öğrenme ağı girişine verilerek, tarımsal ürünler (Mısır ve Pamuk) tespit edilmiştir. Birinci sınıflandırmada yalnız Sentilel-1 uydu görüntülerinin yansıma değerleri kullanıldığında %85 sınıflandırma doğruluğu elde edilmiştir. İkinci sınıflandırmada, Landsat-8’in B1-B7 bantlarının uydu görüntülerinin yansıma değerleri için %95 sınıflandırma doğruluğu bulunmuştur. Üçüncü sınıflandırma da ise Sentinel-1ve Landsat-8’in B1-B7 bantlarının uydu görüntüleri yansıma değerleri birlikte kullanıldığında %87,5 ortalama doğruluk değeri gözlemlenmiştir.
