Manyetik anomali yönetimi ile gömülü cisim ve patlayıcı tespiti

Abstract

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.

The aim of this study is to develop a system that detects buried objects and explosives by using magnetic anomalies which are caused by the objects. In order to implement this detection, a passive measurement technique being different from other conventional detection systems was used. A 32-nodes sensor network was designed by using FLC100/TE100 fluxgate magnetic field sensors. A magnetic field measurement system having the ability for cartesian movement was prepared to implement the motion of designed sensor network in 3-axes. 20 explosive agent geometries and 13 misleading materials having different geometrical features were used for experimental studies. For this purpose, every sample were buried under the humid soil and then scanned using sensor network from 5cm, 10cm, 15cm and 20cm distances, repectively. Data matrices of 32x25 size were recorded for each samples. A classification algorithm was used to minimise the false alarm ratio for underground-buried sample detection systems. For this purpose, five different feature extractions for data records were carried out. The nearest neighborhood algorithm was performed to classify these features. In classification phase, there have been classification and comparation for different dimensions of data records, different combinations of features and different classification constant (k) values of nearest neighborhood algorithm. As a result of the study, the locations, whether having explosive properties or not, and estimated sizes of buried objects showing ferromagnetic material have been detected. In the classification phase, there has been best success for the 32x2 data matrices being obtained by dimension reduction of 32x25 data matrices. The avarage success rate of nearest neighborhood classification was obtained as 80.41% by using 32x2 data matrices.