EUVIMEDEUVIMED entdecken
Crossref

Deniz Aracı Tespiti ve Sayımı için YOLO Modellerinin Görüntü Tabanlı Karşılaştırmalı Analizi

Burçe Benli

Disiplinler Arası Sürdürülebilirlik Çalışmaları Dergisi · 30.10.2026 · 1 (2) · 195-216

DOI: 10.61150/dasc.2026010206 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Disiplinler Arası Sürdürülebilirlik Çalışmaları Dergisi, online erschienen am 30.10.2026. Verfasst von Burçe Benli.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Deniz trafiğinin izlenmesi, güvenlik ve gözetim faaliyetleri ile otonom deniz sistemleri gibi uygulamalarda görüntü tabanlı nesne tespiti kritik bir rol oynamaktadır. Bununla birlikte, deniz yüzeyindeki araçların görüntü tabanlı olarak tespit edilmesi, karasal ortamlardaki nesne tespitine kıyasla daha zorlu bir problemdir. Su yüzeyinin sürekli hareketli yapısı, güneş ışığı yansımaları, dalga dokusu, atmosferik koşullardaki değişkenlik ve özellikle uzak mesafelerden elde edilen görüntülerde nesnelerin küçük boyutlarda görünmesi, nesne tespit performansını olumsuz etkileyebilmektedir. Bu koşullar, deniz araçlarının güvenilir ve hassas bir şekilde tespit edilmesi ve sayılabilmesi için etkili görüntü tabanlı yöntemlere duyulan ihtiyacı artırmaktadır. Bu çalışmada, deniz yüzeyinde bulunan küçük boyutlu deniz araçlarının tespiti ve sayımı amacıyla kontrollü ve karşılaştırmalı bir deneysel çalışma gerçekleştirilmiştir. Bu kapsamda, derin öğrenme tabanlı nesne tespit yöntemlerinden biri olan YOLO (You Only Look Once) ailesinin güncel sürümleri YOLOv8, YOLOv9, YOLOv10 ve YOLOv11 ele alınmıştır. Geliştirilen yaklaşım, deniz trafiğinin daha etkin ve sistematik bir biçimde izlenmesine olanak sağlayarak gereksiz seyir faaliyetlerinin, yakıt tüketiminin ve operasyonel kaynak kullanımının azaltılmasına dolaylı katkı sunma potansiyeline sahiptir. Bunun yanı sıra, Otomatik Tanımlama Sistemini (AIS) tamamlayıcı nitelikte tasarlanan otomatik izleme altyapısı, denizcilik faaliyetlerinin çevresel etkilerinin sürekli olarak değerlendirilmesine imkân tanımakta ve sürdürülebilir deniz taşımacılığı uygulamalarının geliştirilmesini desteklemektedir. Deneysel sonuçlar, YOLO model sürümleri ilerledikçe nesne tespit performansında genel olarak artış eğilimi olduğunu göstermiştir. YOLOv8 modelinde yaklaşık %97 kesinlik ve %93 duyarlılık elde edilirken YOLOv11 modelinde bu değerler sırasıyla %98,4 ve %95,2 seviyesine ulaşmıştır. Benzer şekilde, mAP@0.5 değeri yaklaşık %98 seviyesinden %99 seviyesine yaklaşırken, mAP@0.5:0.95 değeri %93,5’ten %96,5’e yükselmiştir. Bununla birlikte, kutu kaybı (Box Loss), sınıflandırma kaybı (Classification Loss) ve DFL (Distribution Focal Loss) değerlerinde gözlenen azalma, modelin sınır kutusu konumlandırma hassasiyetinin ve eğitim sürecindeki kararlılığının geliştiğine işaret etmektedir. Karşılaştırmalı değerlendirme sonucunda YOLOv11, ele alınan performans metrikleri açısından en yüksek genel performansı sergileyen model olarak belirlenmiş ve nesne sayımı uygulamasında başarılı sonuçlar vermiştir.

Zitieren

APA

Benli, B. (2026). Deniz Aracı Tespiti ve Sayımı için YOLO Modellerinin Görüntü Tabanlı Karşılaştırmalı Analizi. Disiplinler Arası Sürdürülebilirlik Çalışmaları Dergisi, 1(2), 195-216. https://doi.org/10.61150/dasc.2026010206

Vancouver

Benli B. Deniz Aracı Tespiti ve Sayımı için YOLO Modellerinin Görüntü Tabanlı Karşılaştırmalı Analizi. Disiplinler Arası Sürdürülebilirlik Çalışmaları Dergisi. 2026;1(2):195-216. doi:10.61150/dasc.2026010206

BibTeX
@article{Benli2026,
  author = {Benli, Burçe},
  title = {Deniz Aracı Tespiti ve Sayımı için YOLO Modellerinin Görüntü Tabanlı Karşılaştırmalı Analizi},
  journal = {Disiplinler Arası Sürdürülebilirlik Çalışmaları Dergisi},
  year = {2026},
  volume = {1},
  number = {2},
  pages = {195--216},
  doi = {10.61150/dasc.2026010206}
}
Kostenlos starten →