Dergi makalesi · 2026

Derin Öğrenme ile Görüntü Tabanlı İHA İrtifa Tahmini: Nadir Görüntüler Üzerinde ResNet50 Yaklaşımı

İngilizce başlıkVision-based UAV Altitude Estimation using Deep Learning: A ResNet50 Approach on Nadir Images

Ahmet Ertuğrul ArıkORCID 0000-0002-7952-4311 (dış bağlantı)

Academic Platform Journal of Engineering and Smart Systems, 14(1), 46–54

Yıl
2026
Yayın tarihi
Dergi veya konferans
Academic Platform Journal of Engineering and Smart Systems
Cilt
14
Sayı
1
Sayfalar
46–54
DOI
10.21541/apjess.1730867 (dış bağlantı)
Kentsel test kümesinde gerçek ve tahmin edilen İHA irtifasını karşılaştıran saçılım grafiği.
Görsel kaynağı ve lisansı:Ahmet Ertuğrul Arık (dış bağlantı),CC BY 4.0 (dış bağlantı).

Özet

Bu çalışma, çevresel bozucu etkilere duyarlı olabilen GPS, barometrik sensörler ve lazer altimetreler gibi geleneksel yöntemlere alternatif olarak görüntü tabanlı bir derin öğrenme yaklaşımı önermektedir. Mavic 2 Pro ve Mavic 2 Zoom platformlarıyla farklı hava, aydınlatma ve arazi koşullarında 303.710 nadir görüntüden oluşan geniş ölçekli bir veri kümesi toplanmıştır. Her görüntünün yerden yüksekliği, EXIF tabanlı GPS irtifasının 30 m çözünürlüklü sayısal yükseklik modeliyle koordinat dönüşümü ve arazi yüksekliği çıkarımı yoluyla birleştirilmesiyle etiketlenmiştir. Önceden eğitilmiş ResNet50 modeli regresyon ağına dönüştürülmüş ve Adam iyileştiricisi ile ortalama karesel hata kaybı kullanılarak 200 epok boyunca ince ayarlanmıştır. Model, kentsel alanlarda 4,09 m, kırsal alanlarda 6,06 m ortalama mutlak hata; sırasıyla 0,9981 ve 0,9804 R² değerleri elde etmiştir.

Anahtar kelimeler

  • İHA irtifa tahmini
  • Derin öğrenme
  • Sayısal yükseklik modeli
  • Nadir hava görüntüleri
  • ResNet50 regresyonu

Temel yöntem

Regresyon için uyarlanan önceden eğitilmiş ResNet50 ile aktarım öğrenmesi; EXIF ve SYM tabanlı irtifa etiketleme; veri hazırlamada döndürme, ölçekleme, kırpma ve yeniden boyutlandırma.

Kullanılan veri

Farklı arazi, hava ve aydınlatma koşullarında Mavic 2 Pro ve Mavic 2 Zoom platformlarıyla elde edilen 303.710 nadir görüntü. Yerden yükseklik etiketleri, EXIF GPS irtifası ile 30 m çözünürlüklü SYM verisini birleştirir.

Doğrulanmış temel sonuçlar

  • Kentsel MAE: 4,09 m; R²: 0,9981
  • Kırsal MAE: 6,06 m; R²: 0,9804

APA atıfı

Arık, A. E. (2026). Vision-based UAV altitude estimation using deep learning: A ResNet50 approach on nadir images. Academic Platform Journal of Engineering and Smart Systems, 14(1), 46-54. https://doi.org/10.21541/apjess.1730867

BibTeX

@article{Arik2026UavAltitude,
  author  = {Arık, Ahmet Ertuğrul},
  title   = {Vision-based UAV Altitude Estimation using Deep Learning: A ResNet50 Approach on Nadir Images},
  journal = {Academic Platform Journal of Engineering and Smart Systems},
  year    = {2026},
  volume  = {14},
  number  = {1},
  pages   = {46--54},
  doi     = {10.21541/apjess.1730867}
}