Manyetik anomali yönetimi ile gömülü cisim ve patlayıcı tespiti Serkan Gürkan Tez Danışmanı;Prof.Dr.Seydi Doğan

Tez (Dok)--Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Elektirik-Elektronik Anabilim Dalı.

Kaynakça var.

Bu çalışmanın amacı; cisiml erin meydana getirdikleri manyetik anomalilerden faydalanarak, yeraltında gömülü vaziyette bulunan cisimleri ve patlayıcıları tespit eden bir sistem geliştirmektir. Bu tespit işlemini gerçekleştirirken, geleneksel gömülü cisim tespit sistemlerinden farklı olarak pasif bir ölçüm tekniği kullanılmıştır. Bu kapsamda, FLC100/TE100 fluxgate manyetik alan sensörleri kullanılarak 32 elemanlı bir sensör ağı tasarlanmıştır. Tasarlanan sensör ağının 3 eksende hareketini sağlamak üzere kartezyen hareket yeteneğine sahip bir manyetik alan ölçüm düzeneği hazırlanmıştır. Farklı geometrik özelliklere sahip 20 adet patlayıcı geometrisi, 13 adet patlayıcı geometrisine yakın özellik gösteren yanıltıcı malzeme üzerinde deneysel çalışmalar yapılmıştır. Belirlenen her malzeme; nemli toprak içerisinde, sırasıyla 5cm, 10cm, 15cm ve 20cm yüksekliklerden sensör ağı ile taranmış ve taranan verilerin kaydı yapılmıştır. Her numune taraması için 32x25 boyutunda veri matrisleri oluşturulmuştur. Yer altı gömülü cisim algılama sistemlerindeki yanlış alarm oranını azaltmaya yönelik olarak bir sınıflandırma algoritması işletilmiştir. Bunun için; veri kayıtlarına ait 5 farklı öznitelik çıkarımı yapılmıştır. Bu özniteliklerin sınıflandırılması için en yakın komşuluk algoritması kullanılmıştır. Sınıflandırma aşamasında veri kayıtlarının farklı boyutları, özniteliklerin farklı kombinasyonları ve en yakın komşuluk algoritmasının farklı sınıflandırma sabiti (k) değerleri için sınıflandırmalar yapılmış ve elde edilen sonuçlar karşılaştırılmıştır. Çalışma sonucunda ferromanyetik malzeme içerikli gömülü cisimlerin; yeraltındaki varlığı, konumu, tahmini boyutu ve patlayıcı olup olmadıkları tespit edilebilmiştir. Sınıflandırma aşamasında; 32x25 boyutundaki ham veri matrisleri için indirgeme yapılması sonucu oluşturulan 32x2 boyutundaki veri matrisleri ile yapılan sınıflandırma çalışmalarında daha yüksek başarımın sağlandığı sonucuna ulaşılmıştır. 32x2 veri matrisleri ile yapılan en yakın komşuluk sınıflandırmalarının ortalama başarımı %80,41 olarak gerçekleşmiştir.