Yol üzerindeki yapısal farklılıkların derin öğrenme kullanılarak tespiti
Detection of structural differences on the road using deep learning algorithms
- Tez No: 1018321
- Danışmanlar: DR. ÖĞR. ÜYESİ TURGAY AYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasının amacı, asfalt karayollarında sürüş güvenliğini artırmak ve yol ile araç bakım maliyetlerini azaltmak amacıyla, yol güzergâhı üzerindeki yapısal kusurların tespitine yönelik derin öğrenme tabanlı yapay zekâ yaklaşımlarının performansını analiz etmektir. Çalışma kapsamında çukur, kasis ve rögar gibi yol yüzeyi anormalliklerinin tespitine yönelik dört farklı derin öğrenme modeli geliştirilmiş ve modellerin performansları karşılaştırmalı olarak değerlendirilmiştir. Yöntem olarak, insansız hava aracı ile elde edilen özgün videolardan derlenen görüntüler kullanılarak çok sınıflı bir veri seti oluşturulmuştur. Bu veri seti üzerinde, YOLOv11 mimarisinin performansını analiz etmek amacıyla dört farklı model konfigürasyonu test edilmiştir. Deneyler kapsamında; YOLOv11 Nano modeli için 640×640 piksel görüntü boyutunda ham veri seti, 800×800 piksel görüntü boyutunda ham veri seti ve 800×800 piksel görüntü boyutunda veri artırımı uygulanmış veri seti kullanılarak üç farklı model eğitilmiştir. Ayrıca, model kapasitesinin performans üzerindeki etkisini incelemek amacıyla, YOLOv11 Small varyantı da 800×800 piksel görüntü boyutunda ve veri artırımı uygulanmış veri seti ile eğitilmiştir. Böylece modeller arasında karşılaştırmalı performans analizi gerçekleştirilmiştir. Modellerin performans değerlendirmesinde kesinlik, duyarlılık, mAP50 ve mAP50-95 metrikleri temel alınmıştır. Gerçekleştirilen analizler sonucunda; 800×800 piksel çözünürlüğe sahip ham veri seti ile eğitilen ve test edilen YOLOv11 Nano modeli, 0,821 mAP50 ve 0,802 duyarlılık skorlarıyla en ideal dengeyi sunan nihai model olarak öne çıkmıştır. Elde edilen yüksek başarım, geliştirilen modellerin karmaşık yol koşullarında yüzey kusurlarının tespitinde etkili sonuçlar üretebildiğini göstermektedir. Bu çalışma, otonom ve sürücü destekli araçların güzergâh analizi süreçlerine katkı sunmakta ve akıllı ulaşım altyapıları için uygulanabilir bir yaklaşım önermektedir.
Özet (Çeviri)
The objective of this thesis is to analyze the performance of deep learning-based artificial intelligence approaches for the detection of structural defects on roadways, aiming to enhance driving safety on asphalt roads and reduce both road and vehicle maintenance costs. Within the scope of this study, four distinct deep learning models were developed to detect road surface anomalies—such as potholes, speed bumps, and manholes—and their performances were comparatively evaluated. Methodologically, a multi-class dataset was constructed using images extracted from original video footage acquired via an unmanned aerial vehicle (UAV). To evaluate the performance of the YOLOv11 architecture on this dataset, four distinct model configurations were tested. During the experimental phase, three different models were trained based on the YOLOv11 Nano variant: one utilizing the raw dataset at a 640×640 pixel resolution, another using the raw dataset at 800×800 pixels, and a third employing an augmented dataset at 800×800 pixels. Furthermore, to investigate the impact of model capacity on overall performance, a comprehensive analysis was conducted by training the YOLOv11 Small variant using the augmented dataset at an 800×800 pixel resolution. The performance of the models was evaluated based on precision, recall, mAP50, and mAP50-95 metrics. The results of the analyses indicated that the YOLOv11 Nano model, trained and tested using the raw dataset at an 800×800 pixel resolution, emerged as the optimal model, providing the ideal balance with an mAP50 score of 0.821 and a recall score of 0.802. The obtained results indicate that the developed models can effectively detect road surface defects under complex road conditions. This study contributes to the route analysis processes of autonomous and driver-assisted vehicles and proposes a practical approach for smart transportation infrastructures.
Benzer Tezler
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Design of a test setup for steel wire rope fatigue testing and development of an AI-based damage detection method
Çelik halat yorulma testi için bir test düzeneğinin tasarımı ve yapay zeka tabanlı hasar tespit yönteminin geliştirilmesi
MOHSEN SEYYEDİ
Yüksek Lisans
İngilizce
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Multi-scale rainfall predictions using data-driven models with advanced data preprocessing techniques
Gelişmiş veri ön işleme teknikleriyle veri odaklı modeller kullanarak çok ölçekli yağış tahminleri
KÜBRA KÜLLAHCI
Doktora
İngilizce
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDÜSSELAM ALTUNKAYNAK
- Fusion of RGB and thermal image pairs for object and face liveness detection
Nesne ve yüz canlılığı tespiti için RGB ve termal görüntü çiftlerinin birleştirilmesi
MERVE ERŞAN
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
- Network analysis of co-search-based investor attention on stock prices
Ortak arama tabanlı yatırımcı dikkatinin hisse senedi fiyatları üzerindeki ağ analizi
MÜGE ÖZDEMİR