Geri Dön

Pothole detection in asphalt images using convolutional neural networks

Anomali içeren asfalt resimlerinde derin öğrenme yöntemleri kullanılarak çukur tespit etme

  1. Tez No: 546712
  2. Yazar: HİMMET ATEŞ
  3. Danışmanlar: PROF. DR. İLKAY ULUSOY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 105

Özet

Asfalt bozuklukları tespit edilip düzeltilmediği durumlarda kazalara, dolayısıyla mal ve can kayıplarına sebep olabilmektedir. Bu tür bozuklukların başında gelen asfalt çukuru, kazaların oluşmasındaki en büyük nedenlerden biridir. Can ve mal kayıplarının en aza indirilmesi için asfaltlarda oluşan çukurların otoriteler tarafından erken tespit edilip düzeltilmesi gerekmektedir. Asfaltlarda oluşan çukurlar göz ile veya otomatik olarak tespit edilebilmektedir. Göz ile tespit yöntemleri oldukça zaman alıcı ve maliyetli yöntemlerdir. Otomatik tespit sistemlerinde, titreşim bazlı veri işleme, üç boyutlu geri çatım ve işleme ile iki boyutlu resimlerde görüntü işleme yöntemleri olarak temelde üç yaklaşım kullanılmaktadır. Titreşim bazlı metotlar uygulaması kolay ancak hata oranı yüksek sistemlerdir. Üç boyutlu yöntemler ise, başarı oranı yüksek ancak uygulaması zor sistemlerdir. İki boyutlu görüntü işleme yöntemleri bu ikisi arasında yer almaktadır.Bu tezde amaç, iki boyutlu resimler üzerinde“Derin Öğrenme”yöntemleri kullanılarak uygulaması kolay ve hata oranı düşük bir çukur bulma yöntemi geliştirmektir. Klasik makina öğrenme yöntemlerinde sabit (değişmeyen) öznitelikler çıkartılarak bunlar üzerinden statik veya dinamik yapıda sınıflandırma uygulanmaktadır. Bu yöntemlerin başarısı algoritmalara da bağlı olmakla birlikte çıkartılan özniteliklerin doğruluğuna, yapısına ve niteliğine dayanmaktadır. Derin öğrenme yöntemlerinde, gerçekte dinamik olarak değişen öznitelikler arasından mevcut problem için en doğru öznitelik seti öğrenme yoluyla elde edilmektedir. Derin öğrenme yöntemi ve mevcut alanyazında bulunan klasik yöntemler anomali içeren asfalt görüntü seti üzerinde denenmiş ve başarı oranı, hatalı tespit oranı gibi başarı kriterleri yönünden kıyaslanmıştır. Araştırmanın sonucunda derin öğrenmenin diğer yöntemlere göre daha başarılı olduğu gözlenmiştir.

Özet (Çeviri)

When asphalt defects are detected and not corrected, they can cause accidents and loss of property and lives. Potholes formed in such asphalt surfaces are one of the biggest causes of accidents. In order to minimize the loss of life and property, the potholes formed on the asphalt should be detected and corrected by the authorities as early as possible. The potholes formed on asphalt surfaces can be detected either manually or automatically. Automated methods can be more time and cost effective.Vibration-based data processing, 3D reconstruction and processing, and image processing in 2D images are the basic methods used in automatic detection systems. In this thesis, the aim is to develop a system which is easy to apply and has low error rate by using“Convolutional Neural Networks”methods that will be applied on 2D images. In classical machine learning methods, fixed (unchanging) features are extracted and classification methods (either static or dynamic) are applied through these features. The success of these methods depends on the accuracy, structure and quality of the extracted features as well as the applied algorithms A Convolutional Neural Network is constructed and compared with classical machine learning methods, which are already applied for pothole detection problem in the literature, in terms of success rate and failure rate using the asphalt image sets. The different parameters of the convolutional neural network method are tested on the existing image sets and the effect of these parameters is also analyzed

Benzer Tezler

  1. Real time pothole detection using stereo vision

    Başlık çevirisi yok

    DENİZ YÜCEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Radyo-TelevizyonUniversity of Bristol

    DR. NAİM DAHNOUN

  2. Kara yolu yüzeyindeki bozuklukların akıllı telefon titreşim verileri kullanılarak evrişimli sinir ağı yardımıyla belirlenmesi

    Determination of road surface irregularities by means of convolutional neural networks using smartphone vibration data

    FURKAN ÖZOĞLU

    Doktora

    Türkçe

    Türkçe

    2024

    Jeodezi ve FotogrametriYıldız Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜRKAY GÖKGÖZ

  3. A multimodal sensor analysis framework for vehicular mobile applications

    Araç içi mobil uygulamar için çok-kipli algılayıcı analiz alt yapısı

    FATİH ORHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    YRD. DOÇ. DR. PEKİN ERHAN EREN

  4. Detection and quantification of pavement defects using unmanned aerial vehicle imagery

    İnsansız hava aracı kullanılarak elde edilen görüntülerden yol yüzeyi hasarı tespiti

    TUĞBA YILDIZLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    İnşaat MühendisliğiHacettepe Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BURCU GÜLDÜR ERKAL

  5. Burun iniş takımı sisteminde shimmy davranışının modellenmesi, analizi, testi ve kontrolü

    Modelling, analysis, test, and control of the shimmy behavior in nose landing gear system

    SENA KOÇAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Havacılık Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ FUAT ERGENÇ