Gerçek zamanlı görüntü tabanlı yol çukuru tespit ve konumlandırma sistemi tasarımı
Design of a real-time vision-based pothole detection and geolocation system
- Tez No: 1025039
- Danışmanlar: PROF. DR. FATİH YAPICI
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Industrial and Industrial Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Çukur, Çukur
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Akıllı Sistemler Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yol yüzeylerindeki çukurların geç veya eksik raporlanması, trafik güvenliğini azaltmakta ve yol bakım maliyetlerini artırmaktadır. Geleneksel yöntemler, saha personelinin manuel gözlemine dayandığı için hem zaman alıcıdır hem de insan hatasına açıktır. Derin öğrenme tabanlı nesne tespiti algoritmalarının gelişimi, yol yüzeyindeki bozulmaların otomatik ve yüksek doğrulukla belirlenmesine imkân tanımış, özellikle YOLO mimarileri gerçek zamanlı uygulamalarda sıkça tercih edilir hâle gelmiştir. Bu çalışma, yol bakım süreçlerini desteklemek amacıyla, gömülü sistemler üzerinde çalışan gerçek zamanlı bir çukur tespit ve GPS tabanlı konumlandırma sistemi önermektedir. Sistem, NVIDIA Jetson Orin NX platformu üzerine inşa edilmiş olup, yol yüzeyinin görüntülenmesi için IMX219-83 stereo kamera modülü kullanılmıştır. Çukur tespiti için YOLOv8 modeli tercih edilmiş ve eğitim verisi olarak Kaggle platformunda yer alan, gündüz ve gece koşullarında çekilmiş görüntüler kullanılmıştır. Model eğitimi, yüksek hesaplama gereksinimi nedeniyle GPU destekli bulut ortamında (Google Colab) gerçekleştirilmiş ve eğitilen model gömülü cihaz üzerinde optimize edilerek çalıştırılmıştır. Konum bilgisi, USB bağlantılı u-blox 7 GNSS modülü aracılığıyla elde edilmiş; NMEA tabanlı veriler filtrelenerek her tespit coğrafi koordinatlarla etiketlenmiştir. Çukur boyutu hesaplaması, görüntü düzlemindeki bounding box alanı üzerinden gerçekleştirilmiştir. Gerçekleştirilen testlerde sistemin farklı ışık koşullarında başarılı performans sergilediği, stereo kamera yapısının gölge ve derinlik kaynaklı hataları azalttığı gözlemlenmiştir. Ayrıca geliştirilen mimarinin, gerçek zamanlı çalışmaya uygun kare hızlarında kararlı biçimde çalışabildiği ve sahada kullanılabilirlik açısından yeterli performans sunduğu belirlenmiştir. Elde edilen bulgular, önerilen yaklaşımın yerel yönetimlerin saha operasyonlarına entegre edilebilecek, hızlı, güvenilir ve düşük maliyetli bir çözüm sunduğunu ortaya koymaktadır. Sistem, NVIDIA Jetson Orin NX platformu üzerine inşa edilmiş olup, yol yüzeyinin görüntülenmesi için IMX219-83 stereo kamera modülü kullanılmıştır. Çukur tespiti için YOLOv8 modeli tercih edilmiş ve eğitim verisi olarak Kaggle platformunda yer alan, gündüz ve gece koşullarında çekilmiş 2067 adet görüntü kullanılmıştır. Model eğitimi, yüksek hesaplama gereksinimi nedeniyle GPU destekli bulut ortamında (Google Colab) gerçekleştirilmiş ve eğitilen model gömülü cihaz üzerinde optimize edilerek çalıştırılmıştır. Konum bilgisi, USB bağlantılı u-blox 7 GNSS modülü aracılığıyla elde edilmiş; NMEA tabanlı veriler filtrelenerek her tespit coğrafi koordinatlarla etiketlenmiştir. Çukur boyutu hesaplaması, görüntü düzlemindeki bounding box alanı üzerinden gerçekleştirilmiştir. Gerçekleştirilen testlerde sistemin farklı ışık koşullarında başarılı performans sergilediği, stereo kamera yapısının gölge ve derinlik kaynaklı hataları azalttığı gözlemlenmiştir. Ayrıca geliştirilen mimarinin, gerçek zamanlı çalışmaya uygun kare hızlarında kararlı biçimde çalışabildiği ve sahada kullanılabilirlik açısından yeterli performans sunduğu belirlenmiştir. Elde edilen bulgular, önerilen yaklaşımın yerel yönetimlerin saha operasyonlarına entegre edilebilecek, hızlı, güvenilir ve düşük maliyetli bir çözüm sunduğunu ortaya koymaktadır.
Özet (Çeviri)
Late or incomplete reporting of potholes on road surfaces reduces traffic safety and increases maintenance costs. Traditional methods rely on manual field inspections, which are both time-consuming and prone to human error. The advancement of deep learning-based object detection algorithms has enabled the automatic and high-accuracy identification of road surface defects, with YOLO architectures being widely preferred for real-time applications. This study proposes a real-time pothole detection and GPS-based localization system running on embedded platforms to support road maintenance processes. The system is built on the NVIDIA Jetson Orin NX platform, and an IMX219-83 stereo camera module is used for road surface imaging. YOLOv8 was selected as the detection model, and a dataset images captured under daytime and nighttime conditions, obtained from the Kaggle platform, was used for training. Due to high computational requirements, model training was performed in a GPU-supported cloud environment (Google Colab), and the trained model was optimized and deployed on the embedded device. Location information was obtained via a USB-connected u-blox 7 GNSS module; NMEA-based data were filtered to geotag each detection with geographic coordinates. Pothole size estimation was performed based on the bounding box area in the image plane. Experimental results demonstrated that the system achieved satisfactory performance under varying lighting conditions, and the stereo camera configuration contributed to reducing errors caused by shadows and depth-related variations. Furthermore, the developed architecture was observed to operate stably at real-time frame rates and to provide sufficient performance for field deployment. The findings indicate that the proposed approach offers a fast, reliable, and cost-effective solution that can be integrated into local government road maintenance operations. The system is built on the NVIDIA Jetson Orin NX platform, and an IMX219-83 stereo camera module is used for road surface imaging. YOLOv8 was selected as the detection model, and a dataset consisting of 2067 images captured under daytime and nighttime conditions, obtained from the Kaggle platform, was used for training. Due to high computational requirements, model training was performed in a GPU-supported cloud environment (Google Colab), and the trained model was optimized and deployed on the embedded device. Location information was obtained via a USB-connected u-blox 7 GNSS module; NMEA-based data were filtered to geotag each detection with geographic coordinates. Pothole size estimation was performed based on the bounding box area in the image plane. Experimental results demonstrated that the system achieved satisfactory performance under varying lighting conditions, and the stereo camera configuration contributed to reducing errors caused by shadows and depth-related variations. Furthermore, the developed architecture was observed to operate stably at real-time frame rates and to provide sufficient performance for field deployment. The findings indicate that the proposed approach offers a fast, reliable, and cost-effective solution that can be integrated into local government road maintenance operations.
Benzer Tezler
- Makro besin elementlerinin (NPK) İzmir'de Mayıs ayında açığa dikilen 4-6 cm çevre büyüklüğündeki Gladiolus cinsine ait“hunting song”ve“Novalüx”kültür çeşitlerinin yumrularının gelişmeleri üzerine etkileri
Başlık çevirisi yok
TAHA ALİ AMEN
Yüksek Lisans
Türkçe
1985
ZiraatEge ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. ADNAN HATİPOĞLU
- Dokuma kumaşlarda örgü tipinin ham kumaşın boyutları ve geometrik özellikleri üzerindeki etkilerinin araştırılması
Başlık çevirisi yok
EMEL ÖNDER
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR BAŞER
- Samsun ve çevresinde tarla sarmaşığı (conuolvulus arvensis L.)'na karşı biyolojik savaşa esas olacak fauna tespiti
Investigations on the insect fauna of the field binweed (Conuolvulus arvensis L.) related to its biological control in Samsun Province
YASEMİN UFUK GERMAN
- İki katlı pamuk ipliklerinden dokunan kumaşlarda örgüye bağlı olarak maksimum atkı sıklığının değişimi üzerinde bir araştırma
Başlık çevirisi yok
MELTEM ASLI NARTER
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR BAŞER