Makine öğrenmesi ile hasar tespiti modellemesi
Modeling of damage detection with machine learning
- Tez No: 724184
- Danışmanlar: DOÇ. DR. EMRE ERCAN
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Civil Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Bölütleme, Derin öğrenme, Görüntü işleme, Makine öğrenmesi, Sınıflandırma, Segmentation, Deep learning, Image processing, Machine learning, Classification
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapı Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapısal elemanların hasar görmesi sonucu gerek can kayıpları gerekse mal kayıpları nedeniyle sosyolojik ve ekonomik birçok sorunu beraberinde getirmektedir. Bu sebeple hasar görmüş yapılardaki hasar tespiti ciddi boyutlara ulaşmadan tespit edilmesi önem taşımaktadır. Hasar tespitinde birçok teknik kullanılabilmektedir. Bu tekniklerden hızlı uygulanabilirliği açısından ve geniş alanlarda kullanım kolaylığı sağlamasından dolayı görüntü tabanlı yöntemler kullanılmaktadır. Tez çalışmasında makine öğrenmesi metotları ile görüntü tabanlı analiz yapan yapay zekâ modelleri geliştirilmiştir. Makine öğrenmesi metotlarından olan derin öğrenme algoritmaları ile iki farklı görüntü işleme algoritması geliştirilmiştir. Yapılan ilk çalışmada çatlak görüntüsü üzerinde çatlak sınıflandırma yapan 3 farklı mimaride derin öğrenme modeli eğitilerek karşılaştırılmıştır. Yapılan ikinci çalışmada çatlak segmentasyonu yani görüntü verisi üzerinde bulunan çatlak bölgelerinin piksellerinin tespitini gerçekleştirebilen bir segmentasyon modeli geliştirilmiştir. Sınıflandırma çalışmasında farklı mimariler ile yapılan çatlak sınıflandırma modellerinin birbirlerine göre farklılıkları değerlendirilmiştir. Geliştirilen çatlak segmentasyon modeli kameradan anlık çatlak tespiti yapabilen mobil uygulama haline getirilmiştir.
Özet (Çeviri)
As a result of the damage to the structural elements, it brings with it many sociological and economic problems due to both loss of life and loss of property. For this reason, it is important to detect the damage in damaged structures before they reach serious dimensions. Many techniques can be used in damage assessment. Among these techniques, image-based methods are used because of their rapid applicability and ease of use in large areas. In the thesis study, artificial intelligence models that make image-based analysis with machine learning methods have been developed. Two different image processing algorithms have been developed with deep learning algorithms, which is one of the machine learning methods. In the first study, 3 different architectures that perform crack classification on the crack image were compared by training the deep learning model. In the second study, a segmentation model was developed that can detect the crack segmentation, that is, the pixels of the crack regions on the image data. In the classification study, the differences between the crack classification models made with different architectures were evaluated. The developed crack segmentation model has been turned into a mobile application that can detect instant cracks from the camera.
Benzer Tezler
- İnsansız sualtı gözlem aracına otonom özellikler kazandırılarak nesne takibi ve deneysel uygulaması
Object tracking and experimental application by gaining autonomous features to the unmanned underwater observation vehicle
RECEP FATİH CANTEKİN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEDA KARTAL
- Gemilerde enerji verimliliğinde yapay sinir ağları uygulamaları
Artificial neural networks applications in energy efficiency on ships
TOLGA KÖSE
Yüksek Lisans
Türkçe
2022
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZ DENİZ
- Predictive modeling of non-routine maintenance workload in aircraft operations: a task card-level approach using real mro data and machine learning
Uçak bakım operasyonlarında non-routıne iş yükünün öngörüsel modellemesi: gerçek mro verileri ve makine öğrenmesi ile görev kartı düzeyinde bir yaklaşım
TALHA GÜÇLÜ
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Modern makine öğrenmesi yöntemlerinin farklı inşaat mühendisliği problemlerine uygulanması
Application of modern machine learning methods to various civil engineering problems
MURAT GÖÇER
Doktora
Türkçe
2025
İnşaat MühendisliğiKocaeli Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. SAFA BOZKURT COŞKUN
- Novelty detection on streaming sensor data for iiot applications
Endüstriyel nesnelerin interneti uygulamaları için akan sensör verisi üzerinde ayrıklık sezimi
ALPER BAYRAM
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BURAK ACAR