Kose, Oguz

Bu çalışmada insansız hava aracı (İHA) ile tarım arazileri üzerinden alınan görüntüler ile YOLOv11 ve YOLOv26 görüntü işleme algoritmaları kullanılarak tarım arazilerinde ekilmesi yasak olan bitkilerin tespiti gerçekleştirilecektir. Çalışma yazılım kiti ve donanım kiti olmak üzere iki aşamadan oluşmaktadır. Yazılım kitinde görüntü işleme algoritmalarının veri seti, eğitimi, testi ve program ara yüzü geliştirilecektir. Kullanılacak algoritmaların aynı veri seti üzerinden eğitimleri yapılacak, performans metrikleri incelenip en iyi performansı veren algoritma yazılım kitinde kullanılacaktır. Ara yüzün geliştirilmesi ve diğer tüm yazılım bileşenleri Python dilinde yapılmıştır. Donanım kiti ise projenin tüm donanımsal öğelerini içermektedir. Tasarlanan yazılım kiti, donanım kitinde bulunan Raspberry pi içerisinde çalışacaktır. İHA ve şarj istasyonu kendisine ayrılan alan içerisinde muhafaza edilecektir. Önerilen çalışma ile tarım arazilerinde ekilmesi yasak olan bitkilerin tespiti yapılarak erken müdahale edilmesinin avantajı sağlanacaktır. Ayrıca yasak bitkilerinin ekiminin tespiti yapılarak kolluk kuvvetlerinin hem personel hem de zaman ihtiyacını minimuma indirmesi planlanmaktadır.

Tercan, Bahadır

In today's world, where technology, knowledge, and equipment capabilities are rapidly evolving, CBRN incidents have the potential to seriously affect the lives, health, and well-being of many individuals at both the regional and national levels. The aim of this study is to test the validity and reliability of a measurement tool to measure the level of civil defense awareness of individuals in chemical, biological, radiological and nuclear (CBRN) threats. In this context, a methodological study was conducted using survey data collected from 788 individuals over the age of 18 living in Turkey between May–August 2024. The Civil Defense Awareness Scale (CDAS) is at an acceptable level in terms of content and construct validity. According to the explanatory factor analysis, the scale consisting of 18 items and three sub-dimensions explains 63.68% of the total variance. In addition, the fit indices obtained from confirmatory factor analysis support the structural validity of the model and are at an acceptable level.