Drone ile Balina Sayımı: 34 Görüntüyle Yapay Zekâ Eğitildi

Kısa özet: Florida Atlantic Üniversitesi (FAU) araştırmacıları, Kanada Kuzey Kutbu’nda drone ile çekilmiş belugaları saymak için yapay zekâyı sadece 34 etiketli görüntüyle eğitmeyi başardı. Yöntem, klasik eğitime göre 5-10 kat daha az elle etiketleme gerektiriyor ve en zor yakalanan hedef olan yavru belugalarda fark çok büyük.

21 Kasım 2026 itibarıyla FAU basın bülteni (19 Kasım) ve Frontiers in Marine Science makalesi esas alınmıştır. · Yazan: Mustafa KAÇAN

DJI Mavic 3E drone

Drone ile hayvan sayımı yapan biyologların en büyük derdi uçuş değil, görüntüleri tek tek işaretlemek. Binlerce kareyi elle etiketlemek haftalar alıyor. FAU ve Kanada Balıkçılık ve Okyanuslar Dairesi (DFO) ekibi, bu darboğazı aşan bir yöntemi Frontiers in Marine Science dergisinde yayımladı.

Çalışmada 7.655 karelik bir drone veri seti kullanıldı: 3.417 elle etiketlenmiş, 3.383 etiketsiz ve 855 test karesi. Görüntülerde 27.118 işaretli balina var; bunların 20.685’i yetişkin, 6.433’ü yavru. Haberi aktaran DroneXL’e göre görüntüler 2022-2023’te yaklaşık 20 metre yükseklikten, DJI Phantom 4, Mini, Mavic 3E ve Matrice dronelarının 4K videolarından alındı. Bu ayrıntı FAU’nun bülteninde yok, makaleden ayrıca teyit edilmeli.

Yöntem: az etiketle çok öğrenmek

Yaklaşımın adı yarı denetimli öğrenme. Biyologlar küçük bir görüntü grubunu elle işaretliyor, model ise etiketsiz kareleri de kullanarak kendi kendine öğreniyor. Ekip ana modelde SEMI-DETR’i kullandı ve dört denetimli modelle karşılaştırdı; DroneXL’in aktardığına göre bunlar arasında YOLO11 de var. Testler etiketli verinin %1’inden %50’sine kadar yedi seviyede yapıldı.

Detaylar: rakamlar ne diyor?

Ölçüt Klasik model Yarı denetimli model
Ortalama doğruluk (mAP, 34 etiket) 16,0 (YOLO11s) 19,2 (SEMI-DETR) ✓
Yavru tespit oranı (34 etiket) %1,3 %27,8 ✓
Yetişkin tespit oranı (34 etiket) %60,2 %63,6 ✓
Ortalama doğruluk (171 etiket) 27,0 33,6 ✓
Yavru tespit oranı (1.709 etiket) %43,9 %66,6 ✓

Kaynak: DroneXL’in makaleden aktardığı değerler. mAP: 0-100 arası ortalama kesinlik puanı.

FAU’ya göre %1 etiket düzeyinde yavru tespitindeki iyileşme %24,3, yetişkinlerde %16,8. %5 düzeyinde (171 görüntü) fark 6,6 puana çıkıyor. Yani en büyük kazanç, elinizde en az etiket olduğu durumda ve en küçük hedefte ortaya çıkıyor.

Bu ne anlama geliyor?

Yavru sayısı, bir popülasyonun üreyip üremediğini gösteriyor; bu yüzden yavrular önemli. Ama 20 metreden bir yavru ortalama 17,9×29 piksel yer kaplıyor, en küçükleri 1×2 piksel. Test setindeki 1.249 yavrunun %25,3’ü kaçırıldı, %2,7’si yetişkin sanıldı. Yani sistem kusursuz değil. Ayrıca FAU başlığında “takip” geçse de makale yalnızca tek karede tespiti test ediyor; kareler arası takip sonraki aşamaya bırakılmış.

Pilotlar için çıkarılacak ders net: yapay zekâ analizinin kalitesi önce uçuşun kalitesine bağlı. Yansıma, bulanık su ve deniz buzu hata üretiyor. Yazarlar, mevzuat izin veriyorsa daha alçak uçuşu ya da daha fazla zum yapan kamerayı öneriyor. DroneXL editörü, alçak uçuşun hayvanları rahatsız edebileceğini belirterek zumu daha iyi bir çözüm olarak görüyor; bu yorum makalenin bulgusu değil, editörün görüşü.

Türkiye’deki kullanıcılar için ne değişiyor?

Doğrudan bir değişiklik yok; bu bir araştırma sonucu. Ancak tarım, orman, kıyı ve yaban hayatı izleme gibi alanlarda az etiketle çalışan modellerin yaygınlaşması, küçük ekiplerin de drone verisinden sayım çıkarabilmesi demek. Türkiye’de koruma alanlarında uçuş için ayrıca kurum izni gerekebileceğini unutmayın.

Kimleri ilgilendiriyor?

🔬 Akademisyenler ve biyologlar

Etiketleme yükünü azaltan yöntem, bütçesi kısıtlı projeler için önemli.

🌲 Orman ve çevre ekipleri

Sayım ve izleme için benzer iş akışları kurulabilir.

🎥 Zumlu kamera kullanan pilotlar

Mavic 3E gibi telefoto kameralar küçük hedefte avantaj sağlıyor.

🌾 Tarım ve harita sektörü

Az etiketle nesne tespiti, mahsul ve envanter sayımına da uyarlanabilir.

Droneturk yorumu

Kursiyerlerimize hep söylüyoruz: drone sadece uçan bir kamera, asıl değer toplanan veride. Bu çalışma da aynı şeyi gösteriyor. Algoritma gelişse de 20 metreden 1×2 piksellik bir hedefi görmek mümkün değil; doğru yükseklik, doğru kamera ve düzgün uçuş planı hâlâ pilotun işi. Yöntemin kendisi umut verici, ancak yavru tespitindeki hata oranı gerçek bir sayımda hâlâ dikkate alınmalı.

Konuyla ilgili sorularınız

Bu araştırmada hangi drone’lar kullanıldı?
Haberi aktaran DroneXL’e göre 2022-2023’te Kanada’nın Yüksek Kuzey bölgesinde, DJI Phantom 4, Mini, Mavic 3E ve Matrice serisi dronelardan 4K video alındı. FAU’nun basın bülteni model belirtmiyor; bu bilgiyi makaleden teyit etmenizi öneririm.

Yarı denetimli öğrenme ne demek?
Uzmanların elle etiketlediği az sayıda görüntüyle başlanıyor, model etiketsiz binlerce kareden de öğreniyor. Yazarlara göre benzer başarı için 5-10 kat daha az etiketlemeye ihtiyaç duyuluyor.

Bu yöntem benim dronumla kullanılabilir mi?
Yöntem bir yazılım yaklaşımı; belirli bir drone’a bağlı değil. Ancak görüntü çözünürlüğü ve uçuş yüksekliği sonucu doğrudan etkiliyor. Hazır bir uygulama olarak sunulduğuna dair bir bilgi görmedim.

Yavru belugalar neden bu kadar zor tespit ediliyor?
20 metrede bir yavru ortalama 17,9×29 piksel kaplıyor; en küçükleri 1×2 piksele iniyor. Yansıma, bulanık su ve buz da hataya yol açıyor.

Türkiye’de benzer yaban hayatı çalışması için drone uçurmak serbest mi?
Hayır, her alanda serbest değil. Koruma alanlarında ayrıca izin gerekebilir; kayıt ve uçuş izinleri için SHGM kurallarını ve ilgili kurumun şartlarını kontrol etmelisiniz. Güncel bilgi için shgm.gov.tr adresine bakın.

Alçaktan uçmak daha iyi sonuç verir mi?
Görüntü netleşir ama deniz canlılarını rahatsız etme riski doğar. Makale, mevzuat izin veriyorsa daha alçak uçuşu veya daha fazla zum yapan kamera kullanımını öneriyor.

Kaynaklar: FAU basın bülteni · Frontiers in Marine Science makalesi · DroneXL

21.11.2026
26
Whatsapp
Droneturk Havacılık
Droneturk Havacılık
Merhaba!
Droneturk Havacılık'a hoş geldiniz. İHA eğitimi, kurs tarihleri ve ücretler hakkında size hemen yardımcı olalım.
1