A2

< Projeler Sayfası

Proje Adı
Uydu Görüntülerine Göre Gemilerin Tespiti

Şirket Adı
Plan-S

Şirket Mentoru
Dr. Seçkin Özsaraç

Akademik Mentor
Asst. Prof. Aykut Koç

Asistan
Mehmet Efe Lorasdağı

Takım Üyeleri
Enes Ağırman, İsmail Hakan Aksu, Mustafa Emin Çelik, Kenan Demir, Mustafa Ege Güner, Mert Yazıcı

Özet
Bilkent Üniversitesi Elektrik ve Elektronik Mühendisliği Bölümü'nün Sanayi Odaklı Mezuniyet Projesi, Plan-S Uydu ve Uzay Teknolojileri iş birliğiyle uydu görüntülerinden gemilerin tespiti ve sınıflandırılmasına odaklanır. Eğitim için kullanılan veri seti, her biri 512x512 piksel boyutunda ve 10 metre yer örnekleme oranına sahip olan 5000 uydu görüntüsünden oluşmaktadır. Bu, son gösterimde tutarlılık için kullanıcı girişlerinin yeniden boyutlandırılmasını gerektirebilir. Kısacası, algoritma sadece 512x512 piksel boyutunda ve 10 metre yer örnekleme oranında girişlerle çalışır. Görüntü keskinleştirme, gürültü azaltma ve sis giderme gibi işlemleri içeren özel bir ön işleme ağı, görüntü kalitesini artırır ve tespit doğruluğunu güçlendirir. Açık deniz ve liman fotoğrafları da dahil olmak üzere çeşitli uydu görüntülerinin doğası ele alınarak, proje bunları ön işleme öncesinde sınıflandırır ve parametreleri buna göre optimize eder. Tespit için üç farklı bilgisayarlı görme algoritması kullanılır: YOLO v8 Boundary Box, YOLO v8 Semantic Segmentation ve Mask RCNN. Özellikle, tespit için YOLO v8 Boundary Box yöntemi %71.7 F1 puanı elde ederken, YOLO v8 Semantic Segmentation yöntemi gemi tespiti için %80.3 başarı elde eder. Ayrıca, Mask RCNN yönteminin devam eden iyileştirilmesi ve uygulanması, gemi tespiti ve sınıflandırma doğruluğunda daha ileri gelişmeler vaat etmektedir. Tespit sonrasında, K-Means Kümeleme gemileri büyük, orta ve küçük olmak üzere boyut kategorilerine ayırarak analiz ayrıntısını artırır. Projenin son aşamasında, kullanıcılar fotoğraflarını yükleyebilecekleri bir kullanıcı arayüzü geliştirilecek. Yükleme işleminden sonra, gerekli ön işleme teknikleri uygulanacak ve kullanıcılara tespit edilen ve sınıflandırılan gemileri gösteren bir çıktı sunulacaktır.


Abstract
Bilkent University Department of Electrical and Electronics Engineering's industry-focused graduation project, in collaboration with Plan-S Satellite and Space Technologies, focuses on detecting and classifying ships from satellite imagery. The dataset used for training consists of 5000 satellite images, each standardised to 512x512 pixels with a ground sampling rate of 10 metres. This may require resizing the user inputs in the final demonstration for consistency. In short, the algorithm only works with 512x512 pixel inputs with a ground sampling rate of 10 metres. Employing image sharpening, noise reduction, and haze removal, a tailored preprocessing pipeline enhances image quality and bolsters detection accuracy. Addressing the varied nature of satellite images, including open sea and harbour photos, the project categorizes them before preprocessing, optimizing parameters accordingly. Detection employs three distinct computer vision algorithms: YOLO v8 Boundary Box, YOLO v8 Semantic Segmentation, and Mask RCNN. Notably, the YOLO v8 Boundary Box method for detection achieves F1 score of 71.7%, while YOLO v8 Semantic Segmentation achieves 80.3% for ship detection. Additionally, ongoing refinement and implementation of the Mask RCNN method promise further advancements in ship detection and classification accuracy. Post-detection, KMeans Clustering classifies ships into size categories—large, medium, and small—enhancing analysis granularity. In the final stage of the project, a user interface will be developed where users can upload photos. Upon upload, the necessary preprocessing techniques will be applied, and users will be presented with the output showing detected and classified ships.