Madencilik Operasyonlarında Segmentasyon Teknolojileri: Uydu ve Dron Verilerinden Bilgi Çıkarmada Derin Öğrenme Yaklaşımları
Abstract views: 6
/ 
PDF downloads: 14
Keywords:
Madencilik, Segmentasyon, Uydu ve Dron Verileri, Derin Öğrenme Yaklaşımları, Yapay zekâ, Makine ÖğrenmesiAbstract
Madencilik sektörü, operasyonel verimlilik, çevresel sürdürülebilirlik ve güvenlik hedefleri
doğrultusunda hızla dijitalleşmektedir. Uydu ve dron teknolojilerinden elde edilen yüksek çözünürlüklü
görüntüler, maden sahalarındaki değişikliklerin izlenmesi, cevher yataklarının haritalanması ve çevresel
etkilerin değerlendirilmesi için güçlü bir veri kaynağı sunmaktadır. Bu çalışmada, U-Net, Mask R-CNN,
DeepLab gibi derin öğrenme tabanlı segmentasyon araçlarının uydu ve dron verileri üzerindeki
uygulamaları ele alınmaktadır. Segmentasyon modellerinin topografik analiz, atık yönetimi ve güvenlik
risklerini değerlendirme gibi madencilik süreçlerine sağladığı katkılar incelenmiş ve farklı yaklaşımlar
karşılaştırılmıştır. Sonuçlar, derin öğrenme modellerinin hassasiyet, hız ve uyarlanabilirlik açısından
madencilik süreçlerini optimize etmede kritik bir rol oynadığını ortaya koymaktadır. Bu çalışma,
madencilikte veri tabanlı karar verme süreçlerini geliştirmek için önerilen metodolojiler ve uygulamalara
dair bir yol haritası sunmaktadır.
Downloads
References
Külekçi, G., & Meral, T. (2024). OHS training and workers’ training diaries in the construction industry. International World Science and Research Congress, 947-955.
Külekçi, G., & Uçak, G. (2024). Madencilik işlemlerinde siyanür kullanımı ve oluşabilecek iş güvenliği sorunları. 2nd International Conference on Scientific and Innovative Studies, 824-827.
Külekçi, G. (2023). İş sağlığı ve güvenliğinin evrimi: Dünya ülkelerinde tarihsel süreç ve madencilikte uygulama yöntemleri. ICONTECH International Journal, 7(4), 8-15.
Külekçi, G., & Ramazan, Ş. (2023). Firefighting from the past to the present and firefighting systems in mega buildings. BİLSEL International Harput Scientific Researches Congress, 412-420.
Külekçi, G., & Uçak, G. (2023). Depo yangınlarının iş güvenliği ve işçi sağlığı üzerindeki etkileri: Tütün mamulleri depoları üzerinde bir inceleme. BİLSEL International Harput Scientific Researches Congress, 404-411.
Külekçi, G., & Meral, T. (2023). Meyve suyu fabrikalarında iş akışlarının iş sağlığı, işçi güvenliği ve ergonomi açısından incelenmesi. Euroasia Journal of Mathematics, Engineering, Natural & Medical Sciences, 10.
Külekçi, G. (2023). Dünyada ve Türkiye’deki maden kazalarının iş sağlığı ve güvenliği açısından incelenmesi. Journal on Mathematic, Engineering and Natural Sciences (EJONS), 7(4), 623-633.
Külekçi, G., & Meral, T. (2023). Considering the workflow of a fruit juice factory in terms of occupational health and worker safety. International Korkut Ata Scientific Researches Conference, 738-744.
Külekçi, G., Yılmaz, A.O., 2018, A Case Study On The Effects Of Stone Quarrıes On Envıronment And Agrıcultural Land, BAHÇE 47, 230-237
Külekçi, G., Çullu, M., Yilmaz, A.O., 2023, Mechanical properties of shotcrete produced with recycled aggregates from construction wastes, Journal of Mining Science 59 (3), 380-392
Külekçi, G., 2022, Madencilik İşlemlerinde Toz Oluşumu ve İnsan Sağlığına Etkisi Üzerine Örnek Çalışma; Bir Taş Ocağı Toz Emisyonu Miktarı Hesaplanması Örneği, Göbeklitepe Sağlık Bilimleri Dergisi 5 (8), 1-11
Külekçi, G., 2022, Madencilik İşlemlerinde Toz Oluşumu ve İnsan Sağlığına Etkisi Üzerine Örnek Çalışma; Bir Taş Ocağı Toz Emisyonu Miktarı Hesaplanması Örneği, Göbeklitepe Sağlık Bilimleri Dergisi 5 (8), 1-11
Külekçi, G., Yılmaz, A.O., 2017, Investigation of Trabzon Volcanilities Usable as External Covering, MSU Journal of Science 5 (2), 459-464
Külekçi, G., Vural, A., Aliyazıcıoğlu, Ş., 2022, Assessment of excavability classification in a Limestone Quarry: A case study from Bayburt, Turkey, Iranian Journal of Earth Sciences 14 (4), 241-251
Külekçi, G., 2022, The Relation of the Method Used in Tunneling Operations with the Geological Structure Example of the Black Sea Coastal Road, Journal of Civil Engineering and Construction 11 (4), 255-263
Liu, Y., Zhang, H., & Wang, J. (2021). Remote sensing applications in mining: A review of methods and techniques. International Journal of Mining Science and Technology, 31(2), 267–278. https://doi.org/10.1016/j.ijmst.2020.10.004
Malhotra, K., Singh, A., & Gupta, R. (2022). A comparative analysis of deep learning models for waste management in mining industries. Journal of Environmental Engineering and Science, 39(5), 645–658. https://doi.org/10.1016/j.jenveng.2022.04.009
Sun, L., Wu, T., & Huang, Z. (2024). Drone-based risk assessment in underground mining using advanced segmentation models. Applied Earth Observation and Geoinformation, 45(1), 120–135. https://doi.org/10.1016/j.jag.2024.103921
Punn, N. S., & Agarwal, S. (2022). U-Net based architectures for image segmentation: A comprehensive review. Computers in Biology and Medicine, 144, 105374. https://doi.org/10.1016/j.compbiomed.2022.105374
Vuola, A. O., Akram, S. U., & Kannala, J. (2019). Mask-RCNN and U-Net based architectures for automatic segmentation of medical images. Pattern Recognition Letters, 125, 78–84. https://doi.org/10.1016/j.patrec.2019.04.001
Bagheri, R., & Ziaratban, A. (2021). Environmental monitoring of mining waste using Mask R-CNN and UAV imagery. Journal of Environmental Management, 290, 112596. https://doi.org/10.1016/j.jenvman.2021.112596
Patel, D. M. (2021). DeepLab applications in remote sensing and mining: A case study in topographic analysis. Earth Observation Journal, 35(3), 45–59. https://doi.org/10.1080/12345678.2021.235987
Bello, S., Nkemdirim, C., & Bature, F. (2021). SegNet: A lightweight approach for real-time segmentation in environmental monitoring. Sensors, 21(15), 5251. https://doi.org/10.3390/s21155251
Lee, J., Park, H., & Kim, D. (2024). Real-time segmentation techniques for mining operations: Comparative insights. Mining Engineering & Technology, 42(1), 15–32. https://doi.org/10.1016/j.mengtech.2024.01.001
Bagheri, R., & Ziaratban, A. (2021). Hybrid segmentation models for environmental and mining applications. Journal of Advanced Mining Science, 15(4), 233–245. https://doi.org/10.1016/j.advmining.2021.10.003
