VISCAST

< Projeler Sayfası

Proje Adı
GÖRÜNTÜ VERİSİNE DAYALI GÖRÜNÜRLÜK TAYİNİ

Şirket Adı
TÜBİTAK İLTAREN

Şirket Mentoru
Damla Akçaoğlu - Umut Kayıkcı

Akademik Mentor
Prof. Haldun M. Özaktaş

Asistan
Ceren Erkut

Takım Üyeleri
Begüm Bilir, Atadan Egemen Cankurtaran, Oğuz Can Duran, Arda Taşcan, Alphan Uzun, Elif Yalı

Özet
Bu proje, ulaşım, çevresel izleme ve askeri operasyonlar gibi çeşitli sektörlerde önemli riskler oluşturan sis, yağmur ve kirlilik gibi koşullarla bozulan atmosferik görünürlüğü tahmin etmek için yenilikçi bir çözüm sunmaktadır. İleri Saçılma Sensörleri, Transmissometre Sensörleri ve LIDAR sistemleri gibi geleneksel görünürlük ölçüm teknolojileri, etkili olmalarına rağmen, yüksek maliyetler, sınırlı uyum sağlama yeteneği ve çevresel değişikliklerden kaynaklanan olası doğruluk sorunlarından muzdariptir. Bizim yaklaşımımız, gelişmiş görüntü işleme teknikleri ve AlexNet, VGG, ResNet, Inception ve VisNet gibi makine öğrenimi modelleri kullanan veri odaklı metodolojiler ile dijital kamera görüntülerini birleştirir. Bu yöntem, çeşitli hava koşulları altında yakalanan özel bir veri setinden yararlanarak görünürlük tahmininde yüksek doğruluk ve uyumluluk elde eder. Geleneksel sensör tabanlı sistemlerin yaygın olarak bulunan dijital kameralarla değiştirilmesiyle projemiz, maliyetleri ve karmaşıklığı önemli ölçüde azaltır, esnekliği artırır ve mevcut gözetleme ve izleme sistemleriyle sorunsuz entegrasyon sağlar. Algoritma, görünürlük tahmininde gelişmiş doğruluk ve performans sergileyerek alanda yeni bir standart belirler ve hedeflenen sektörlerdeki kritik uygulamalar için önemli faydalar sunar.


Abstract
This project introduces an innovative solution to estimate atmospheric visibility impaired by conditions such as fog, rain, and pollution, which poses significant risks across various sectors including transportation, environmental monitoring, and military operations. Traditional visibility measurement technologies like Forward Scatter Sensors, Transmissometer Sensors, and LIDAR systems, although effective, suffer from high costs, limited adaptability, and potential inaccuracies due to environmental changes. Our approach utilizes digital camera images combined with data-driven methodologies, employing advanced image processing techniques and machine learning models including AlexNet, VGG, ResNet, Inception, and VisNet. This method leverages a custom dataset captured under diverse weather conditions to achieve high accuracy and adaptability in visibility estimation. By substituting traditional sensor-based systems with commonly available digital cameras, our project significantly reduces costs and complexity, enhances flexibility, and allows seamless integration with existing surveillance and monitoring systems. The algorithm demonstrates improved accuracy and performance in visibility estimation, setting a new standard in the field and offering substantial benefits for critical applications in targeted sectors.