A comparative study of deep learning techniques in concrete crack detection: Convolutional neural networks and logistic regression
Beton çatlağı tahminde derin öğrenme yöntemlerinin kıyaslamalı bir çalışması: Evrişimsel sinir ağları ve lojistik regresyon
- Tez No: 688405
- Danışmanlar: PROF. DR. FADİME YÜKSEKTEPE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İnşaat Mühendisliği, Computer Engineering and Computer Science and Control, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Kültür Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnşaat alanlarında zorlu durumlarla günlük olarak karşılaşılmaktadır. Bu zorlukları yönetmek için yeni teknik ve yöntemler ortaya çıkmakta ve geliştirilmektedir. Klasik Makine Öğrenmesi (MÖ) ve Derin Öğrenme (DÖ) yöntemlerinin inşaat yönetimi alanında kullanılması da artmaya başlamıştır. Makine öğrenmesinin günlük problemleri çözme ve pratiğe dökülmesi için kullanılması, mühendislerin öne çıkarması ve başarması gereken bir görevdir. İnşaat alanlarında karşılaşılan problemlerden biri beton çatlağıdır. Çatlaklar yapılarda ortaya çıkan ve fark edilmesi zor olan hatalı oluşumlardır. Yapılardaki bozulmaları arttıracakları için erken zamanda tahmin edilmeleri çok önemlidir. Bu çalışma basit kameralarla toplanmış olan görüntüden oluşan bir veri seti için çatlak tahmininde DÖ yöntemlerinin kullanılmasını araştırmaktadır. Çatlak ve çatlak olmayan 40000 farklı görüntüden oluşan veri kümesi eğitim, doğrulama ve test olmak üzere üç gruba bölünmüştür. Bu veri kümesi, derin öğrenme yöntemlerinden biri olan ve yapay sinir ağları formundaki Evrişimsel Sinir Ağları (ESA) ve ikili sınıflandırma problem yöntemlerinden Lojistik Regresyon (LR) kullanılarak analiz edilmiştir. Son olarak, sonuçlar hem iki yöntem arasında hem literatürdeki mevcut çalışmalarla hem de gerçek hayat verileri ile kıyaslanmıştır. Aynı veri setinde hem ESA hem de LR modelleri iyi sonuçlar vermiştir ama ESA yöntemi doğruluk oranı ve kullanım açısından daha iyi olarak değerlendirilmiştir. Elde edilen sonuçlar umut vericidir ve ESA‟nın gerçek hayat inşaat yönetim uygulamalarında yakın gelecekte kullanılması beklenmektedir.
Özet (Çeviri)
A construction site faces challenges on a daily basis. In order to manage these challenges, new techniques and methods emerge into existence and constantly developed. The utilization of traditional Machine Learning (ML) techniques and Deep Learning (DL) is starting to grow in the construction management area. To put machine learning in practice to solve the daily obstacles, is a task engineers need to address and achieve. One of the problems that faces construction sites is concrete cracks. Cracks are subtle forms of failure that appear in structures. As they will increase the deterioration process in structures, detecting them early in the process is vital. This study investigates the process of crack detection using DL algorithms for a dataset consists of images collected by simple cameras. A dataset of 40,000 images of cracked and non-cracked concrete surfaces is split into three separate training, validation, and test datasets. The data set is analyzed using Convolutional Neural Networks (CNN), which is a deep learning method and a form of artificial neural networks, and Logistic Regression (LR), which is a method of classification of binary and dichotomous problems. Finally, the results of analysis are compared to each other, other studies in the literature, as well as real-life eye inspection. Both CNN and LR models give satisfactory results on the same dataset, but CNN model evaluated to be better in terms of accuracy and ease of use. The outcome of the analysis is promising and using CNN in real life construction management practice is expected to be utilized in the near future.
Benzer Tezler
- Evrişimsel sinir ağları yöntemleri ile beton yapılarda çatlakların tespit
Detection of cracks in concrete structures by convolutional neural network methods
KASIM YETER
Yüksek Lisans
Türkçe
2025
Mühendislik BilimleriIğdır Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ENGİN YENER
- Afet sonrası yapı hasarlarının uzaktan algılama görüntüleri ile semantik segmentasyon tabanlı değerlendirilmesi
Post-disaster structural damage assessment based on semantic segmentation using remote sensing images
SERHAT ALPERGİN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SİRAÇ ÖZERDEM
DOÇ. DR. HASAN POLAT
- Emlak fotoğraflarının kalite değerlendirilmesi: Derin öğrenme tabanlı bir yaklaşım
Quality assessment of real estate photographs: A deep learning-based approach
AKIN YAŞAR
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. YÜKSEL YURTAY
- Yapay zeka yöntemlerinin bilgisayar mühendisliğiuygulamalarında başarılara etkileri
Effects of artificial intelligence methods on success in computer engineering applications
ÖZMEN KARACAOĞLU
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
- Türk müziğinde perde/çeşni dönüşümlerini keşfetmek: 15. yüzyıldan 20. yüzyıla örnek çalışmalar
Exploring perde/çeşni transformations in Turkish music: Case studies from 15th to 20th century
MUHAMMED ZÜLFÜ YALÇIN
Yüksek Lisans
Türkçe
2024
Müzikİstanbul Teknik ÜniversitesiMüzikoloji ve Müzik Teorisi Ana Bilim Dalı (disiplinlerarası)
PROF. DR. OZAN BAYSAL