Yangın ve Güvenlik Dergisi 229. Sayı (Mart 2022)

68 YANGIN ve GÜVENLİK • Mart / 2022 Ayrıca metanol gaz üretim ve hazırlama tesislerinde hidrat oluşumu inhibitörü olarak önemli miktarlarda kul- lanılmaktadır. Metanol oldukça yanıcı bir sıvıdır ve yan- dığında alev yeşilimsi olur. Çerçeve analizi için, bir dizi ikili maske kullanarak bir görüntünün taranmasını içeren Haar basamaklarına [2] dayalı bir yaklaşımın uygulanması önerilmiştir. Görüntülerde yüz algılama için benzer bir yaklaşım kullanılır, ancak bu durumda aramanın nesnesi bir alevdir. Uygun renk maskeleri kullanılarak çerçevelerin analizi yapılırken, açıklanan kurallara uymayan pikseller karartılır ve ardından dikkate alınmaz. Kalan karartıl- mamış pikseller sayılır, daha sonra ortaya çıkan sayı eşik değeriyle karşılaştırılır ve sayı daha büyükse analiz edilen çerçevede bir alevin varlığını gösterir. Eşik ayarı, model hassasiyetinin değiştirilmesine olanak verir. Deneysel sonuçlar, Bilkent Üniversitesi test video dizi- leri [9] ve Dyntex veri tabanı [10] kullanılarak ele alınmış- tır. Şekil 3 ve 4'te alev olarak tanınan ve geliştirilen model kullanılarak vurgulanan alanlar bulunmaktadır. 4. ELDE EDILEN SONUÇLAR Elde edilen sonuçlar Tablo 2 ve 3'te sunulmuştur. Renk algılama kullanılarak video dizilerinde alev algı- lama deneyleri yapılırken, karelerde doğru şekilde tanı- nan yangın varlığı durumlarının ortalama değeri %95,01 olarak belirlenmiştir. Bu durum da modelin etkinliğini gösterir. Bununla birlikte, video dizilerinin toplam kare sayısının %23.05'inde yanlış pozitifler, bize ek alev tanıma yöntemleri kullanmanın gerekliliğini ifade eder. 5. SONUÇ Makale, video dizisinde alev tanıma için bir algoritma önermektedir. Algoritma, petrol ve gaz ürünlerinde bulu- nan belirli kirliliklerle (impurities) aleve özgü renkleri tespit etmek amacıyla kare-kare analize dayanmaktadır. Elde edilen deneysel sonuçlar, modelin etkinliğini ve ayrıca alev algılamanın farklı yönlerine yönelik ek algoritmaları analiz sürecine dâhil ederek iyileştirme olasılığını ve gereklili- ğini göstermektedir. Bu algoritmalar, Haar basamaklarına dayalı kontur tespiti ve alev modelleri arama algoritması ve alevin dinamik bir bileşenini hesaba katan algoritma- lardır. Video gözetim kameralarından elde edilen video dizilerinde alev algılama işlevi oldukça önemlidir ve bu işlev yangından kaynaklanan olası kayıpların önlenmesine olanak sağlayacaktır. ÇEVİRİ MAKALE Şekil 3. Kaynak çerçevesi Şekil 4. Modelin sonucu - işlenmiş çerçeve Tablo 2. Alev algılamanın sonuçları (alev içeren video) video dizisi Toplam çerçeve sayısı Doğru algılanan aleve sahip toplam çerçeve sayısı doğru tanınan yüzdesi bilkent\ fire1.avi 1428 1331 93.21 bilkent\ fire2.avi 894 851 95.19 dyntex\ fire5.avi 430 408 94.88 dyntex\ fire8.avi 717 692 96.51 dyntex\ fire9.avi 722 688 95.29 Ortalama değer - - 95.01 Tablo 3. Alev algılamanın sonuçları (alevsiz video) video dizisi Toplam çerçeve sayısı Yanlış pozitif olan kare sayısı yanlış tanıma yüzdesi bilkent\fire3. avi 884 205 23.19 bilkent\fire4. avi 592 106 17.91 bilkent\fire7. avi 472 162 34.32 dyntex\ fire2.avi 579 124 21.42 dyntex\ fire3.avi 614 113 18.4 Ortalama değer - - 23.05