Serbest Süzülen Füzelerin Tespitine Yönelik Veri Kümesi Üretimi ve YOLO Temelli Model Optimizasyonunun Geliştirilmesi

İDARE B., KINACI B.

Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, cilt.14, sa.2, ss.1111-1123, 2026 (TRDizin)

Özet

Serbest süzülen füzeler, düşük termal iz ve azaltılmış radar kesit alanı özellikleriyle geleneksel aktif ve pasif algılama sistemlerinin duyarlılığını sınırlandırmakta; bu durum görünür spektrumda yapay zekâ tabanlı nesne tespitini tamamlayıcı bir algılama kanalı olarak öne çıkarmaktadır. Modern harp ortamında tespit modelinin gömülü platformlarda gerçek zamanlı çalışabilmesi operasyonel etkinlik açısından kritik önem taşımakta; farklı hava koşulları, değişken bakış açıları, çoklu mühimmat senaryoları ve küçük piksel alanında hedef temsili gibi etkenler tespit performansını doğrudan etkilemektedir. Literatürde nesne tespit modellerinin başarımının görüntü düzlemindeki ölçek rejimiyle doğrudan ilişkili olduğu ve veri kümesi ile model optimizasyonunun küçük nesne rejiminde bütünleşik ele alınması gerektiği vurgulanmakla birlikte; serbest süzülen füzelere özgü kamuya açık bir veri kümesine ve bu tür veri kümelerinin üretimini küçük nesne odaklı model optimizasyonuyla birlikte tanımlayan yöntemsel bir çerçeveye rastlanılmamıştır. Bu çalışmada; tasarlanacak tespit sistemleri için serbest süzülen füzelerin görüntü düzlemindeki ölçek analizinden başlayarak küçük nesne tespiti bağlamında veri kümesi tasarımı, model optimizasyonu ve operasyonel senaryo temelli değerlendirmeyi birlikte kapsayan bütünleşik bir yöntem geliştirilmiştir. Yapılan analizlerde serbest süzülen füzelerin terminal safhada (5–7 sn penceresinde) ancak 60× optik yakınlaştırma altında küçük nesne ölçek rejimine ulaşabildiği belirlenmiş; veri üretim parametreleri, mimari müdahaleler ve değerlendirme metrikleri bu operasyonel pencere ile tutarlı biçimde tasarlanmıştır. Sunulan çerçeve; ölçek analizi, simülasyon tabanlı veri üretimi, küçük nesne odaklı YOLO optimizasyonu ve senaryo temelli sağlamlık değerlendirmesini izlenebilir biçimde birleştirerek savunma sanayisi ve akademik araştırma ortamlarında uygulanabilir, genişletilebilir bir tasarım çerçevesi sağlamaktadır.
Free-gliding missiles, with their low thermal signature and reduced radar cross-section, limit the sensitivity of conventional active and passive detection systems, bringing artificial intelligence-based object detection in the visible spectrum to the agenda as a complementary detection channel. In modern warfare environments, the ability of the detection model to run in real time on embedded platforms is critical for operational effectiveness; variable weather, viewing angles, multi-munition scenarios and small-pixel target representation directly affect detection performance. The literature emphasizes that detector performance is closely related to the scale regime of the target on the image plane and that dataset design and model optimization must be addressed jointly within the small object regime. However, no publicly available dataset specific to free-gliding missiles, nor a methodological framework that defines such dataset production together with small object-focused model optimization, has been encountered. This study develops an integrated method extending from scale analysis of free-gliding missiles to dataset design, model optimization and operational scenario-based evaluation within the small object detection context. The analyses show that free-gliding missiles reach the small object scale regime consistently only under 60× optical zoom within the 5–7 s terminal window; data production parameters, architectural interventions and evaluation metrics are designed in alignment with this operational window. The proposed framework integrates scale analysis, simulation-based data generation, small object-focused YOLO optimization and scenario-based robustness assessment in a traceable manner, providing an applicable and extensible design framework for defense industry and academic research environments.