Başkent Üniversitesi Fen Bilimleri Enstitüsü Savunma Teknolojileri ve Sistemleri Anabilim Dalı’nda hazırlanan doktora tezi, modern savaş alanının en kritik ihtiyacına odaklanıyor: hızlı, doğru ve pasif hedef tespiti.
Reşat Ali Tütüncüoğlu tarafından geliştirilen çalışma, elektro-optik sistemlerden elde edilen görüntüler üzerinden kara muharebe araçlarını gerçek zamanlı olarak tespit eden ve sınıflandıran yapay zekâ tabanlı bir Hedef Belirleme ve Tanımlama (HBT-TDI) sistemi sunuyor.
Model, yalnızca hedefi tanımakla kalmıyor; mesafesini tahmin ediyor, karşı tedbir önerileri sunuyor ve karar destek sürecini sistematik bir matrise dönüştürüyor.
Neden Kritik? Hedef Yönetimi Askerî Başarının Başlangıç Noktası
Tezde vurgulanan temel nokta şu: Askerî hedef yönetimi, tespit ile başlar. Hedefin doğru sınıflandırılması; taktik planlama, ateş gücü tahsisi, kuvvet koruma ve risk minimizasyonu açısından belirleyici rol oynar.
Çalışma, NATO hedef yönetim doktrinlerinde yer alan “Decide, Detect, Deliver, Assess (D3A)” yaklaşımını teknik altyapıyla destekleyen bir sistem geliştirmeyi amaçlıyor. Böylece klasik insan gözlemine dayalı süreçler, yapay zekâ destekli otomatik analizle güçlendiriliyor.
YOLOv8m Tercihi: Gerçek Zamanlı ve Mobil Uyumlu
Modelin merkezinde, nesne tespiti alanında yüksek hız ve doğruluk avantajı sunan YOLO (You Only Look Once) algoritması bulunuyor. Çalışmada özellikle YOLOv8m modeli tercih edilmiş.
Bu tercih üç temel nedene dayanıyor:
-
Mobil platformlara uygunluk
-
Gerçek zamanlı tahmin kapasitesi
-
Performans–hız dengesi
Ancak çalışma burada durmuyor.
Performansı Artıran Kritik Dokunuş: Sıkıştırma ve Uyarım (SE) Modülü
Model mimarisine entegre edilen Squeeze and Excitation (SE) bloğu, dikkat mekanizması temelli bir iyileştirme sağlıyor. Bu modül sayesinde ağ, önemli özellikleri daha güçlü şekilde temsil edebiliyor ve arka plan hatalarını azaltabiliyor.
Bu optimizasyon sonucunda model:
-
%88,38 mAP (Mean Average Precision) doğruluk oranına ulaşıyor
-
Gerçek zamanlı tahmin üretebiliyor
-
Düşük arka plan hatası ile güvenilir sonuç veriyor
Tezde yapılan karşılaştırmalı analizlerde, SE modülü eklenmiş YOLOv8 modelinin standart versiyona göre daha yüksek performans sergilediği gösteriliyor.
Sadece Tespit Değil: Pasif Mesafe Ölçümü
Çalışmanın en dikkat çekici yönlerinden biri, hedefin yalnızca sınıflandırılmasıyla yetinmemesi.
Model:
-
İlave donanım gerektirmeden
-
Mevcut elektro-optik sistemleri kullanarak
-
Benzer üçgen prensibine dayalı veri işleme ile
hedefin mesafesini tahmin edebiliyor.
Bu yaklaşım, gözlemcinin konumunu açığa çıkarmadan pasif analiz yapılmasını sağlıyor. Böylece sistem, sahadaki personel için hem güvenlik hem de taktik avantaj sunuyor.
Karar Destek Matrisi: Yapay Zekâdan Eyleme
Tez kapsamında geliştirilen sistem, elde edilen çıktıları bir Karar Destek Matrisi (DSM) üzerinden değerlendiriyor.
Bu yapı sayesinde:
-
Hedef türü
-
Mesafe bilgisi
-
Tehdit seviyesi
gibi parametreler birlikte analiz edilerek kullanıcıya somut karşı tedbir önerileri sunuluyor.
Sistem; tespit, teşhis, mesafe tahmini ve öneri üretimini tek bir entegre yapı içinde topluyor.
Veri Süreci: Derin Öğrenme Tabanlı Çok Aşamalı Mimari
Geliştirilen HBT-TDI sistemi şu aşamalardan oluşuyor:
-
Özel nitelikli veri toplama
-
Ön işleme
-
Segmentasyon
-
Temel öznitelik çıkarımı
-
Sınıflandırma
-
Gelişmiş öznitelik analizi
-
Karar destek matrisine aktarım
Bu çok katmanlı yapı, literatürdeki veri füzyonu yaklaşımlarıyla uyumlu şekilde tasarlanmış.
Bilimsel Katkı: Teoriden Operasyonel Uygulamaya
Çalışma, yalnızca bir model performans analizi değil; aynı zamanda hedef yönetimi doktrinini teknik bir sistemle bütünleştiren bir yaklaşım sunuyor.
Tezin özgün katkıları şunlar:
-
YOLOv8m üzerine SE modülü entegrasyonu
-
Pasif mesafe tahmin algoritması
-
Karar destek matrisi entegrasyonu
-
Mevcut elektro-optik sistemlerle uyumlu mimari
Bu yönüyle çalışma, savunma teknolojilerinde yapay zekâ temelli uygulamalara özgün bir katkı sunuyor.
Yapay Zekâ Savaş Alanında Karar Süresini Kısaltıyor
Geliştirilen sistem, yüksek doğruluk oranı, gerçek zamanlı analiz yeteneği ve pasif ölçüm kabiliyetiyle askeri hedef yönetim süreçlerini güçlendirmeyi hedefliyor.
Tez, modern savaş alanında insan-makine iş birliğinin yeni bir aşamaya geçtiğini gösteriyor:
Gözlemden karara geçen süre artık algoritmik hızda ölçülüyor.
Kaynak
Tütüncüoğlu, R. A. (2025). Kara Muharebe Araçları İçin Yapay Zekâ Tabanlı Hedef Tespit Sistemi. Başkent Üniversitesi Fen Bilimleri Enstitüsü, Savunma Teknolojileri ve Sistemleri Anabilim Dalı, Doktora Tezi, Ankara. Tez No; 949490