Otonom drone ile alınan görüntülerden derin öğrenme tabanlı ray hattı bileşenlerinde hata tespiti
Deep learning based fault detection of rail track components from images taken by autonomous drone
- Tez No: 772639
- Danışmanlar: PROF. DR. MEHMET KARAKÖSE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Bilim Dalı
- Sayfa Sayısı: 90
Özet
Raylı ulaşım sistemleri yolcu ve yük taşımacılığında yaygın olarak kullanılan bir ulaşım çeşididir. Kullanımı fazla olan bu ulaşım türünde meydana gelen kazalar ciddi can ve mal kayıplarına neden olmaktadır. Raylar, ray traversleri ve bağlantı elemanları hattın simetrik yapısının korunmasında trenin hatta güvenle ilerlemesi için temel bileşenlerdir. Bu bileşenlerde meydana gelebilecek kırılma, eksiklik veya aşınma gibi hatalar tespit edilip onarılmalıdır. Demiryolu işleyişinin düzenli bir şekilde gerçekleşmesi için bakımların düzenli olarak yapılması gerekir. Bakımlar manuel olarak uzmanlar tarafından yapıldığında hatalar fazla olabildiği gibi uzun zaman almaktadır. Bu sebeple ray kusurları son zamanlarda geliştirilen görüntü işleme algoritmaları ve derin öğrenme algoritmaları kullanılarak tespit edilebilmektedir. Bu tez kapsamında demiryolu hattı bileşenlerinde meydana gelen hataların tespit edilmesi amacıyla görüntü işleme ve derin öğrenme tabanlı yeni yöntemler önerilmiştir. Demiryolu geometrik yapısında arızalar oluşmasına sebep olabilecek hata türleri geleneksel görüntü işleme teknikleri ile incelenmiş ve önerilen yöntemler ile yüksek başarı düzeylerinde hata tespiti yapılabildiği belirlenmiştir. Demiryolunda bulunan bağlantı elemanları, traversler, balast, makas geçiş noktaları gibi çeşitli bileşenlerde meydana gelen hataların tespiti için derin öğrenme tabanlı yeni yöntemler geliştirilmiş yöntem basamakları ve gerçek saha görüntüleri ile test edilen yöntemlerin sonuçları tezde verilmiştir. Derin öğrenme ve görüntü işleme algoritmalarının model başarısını etkileyen en önemli parametrelerden bir tanesi işlenen verinin niteliğidir. Tespit edilmek istenen hatanın türüne uygun olarak elde edilmiş görseller model başarısını artırmaktadır. Tez kapsamında önerilen yöntemler otonom drone ile elde edilen görüntüler kullanılarak gerçekleştirilmiştir. İnsan iş gücü gerektirmemesi, tren seferlerinden bağımsız olması ve günün farklı saatlerinde görüntü toplayabilmesi otonom drone ile görüntü elde etmenin avantajlı yönleridir.
Özet (Çeviri)
Rail transportation systems are a type of transportation that is widely used in passenger and freight transportation. Accidents in this type of transportation, which is widely used, cause serious loss of life and property. Rails, rail sleepers and fasteners are essential components for the train to move safely on the line while maintaining the symmetrical structure of the line. Errors such as breakage, deficiency or wear that may occur in these components should be detected and repaired. In order for the railway operation to be carried out regularly, maintenance must be done regularly. When maintenance is done manually by experts, mistakes can be high and take a long time. For this reason, rail defects can be detected using recently developed image processing algorithms and deep learning algorithms. In this thesis, image processing and deep learning-based new methods are proposed in order to detect errors in railway line components. The types of faults that may cause faults in the railway geometric structure have been examined with traditional image processing techniques and it has been determined that fault detection can be made at high success levels with the proposed methods. Deep learning-based new methods have been developed for the detection of errors in various components such as fasteners, sleepers, ballast, switch points in the railway, method steps and the results of the methods tested with real field images are given in the thesis. One of the most important parameters affecting the model success of image processing and deep learning algorithms is the quality of the processed data. Visuals obtained in accordance with the type of error to be detected increase the success of the model. The methods proposed within the scope of the thesis were carried out using images obtained with an autonomous drone. The advantageous aspects of obtaining images with an autonomous drone are that it does not require human labor, is independent of train services, and can collect images at different times of the day.
Benzer Tezler
- İç mekanlarda zemin yol modeli üzerinde derin öğrenme ile otonom araçların rota takibi
Route tracking of autonomous vehicles with deep learning on the floor path model in indoor areas
MUSTAFA ERGİNLİ
Doktora
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ÇİL
- Ayçiçeği bitkisinin gelişim evrelerinin derin öğrenme teknikleri kullanılarak tespiti
Detection of developmental stages of sunflower plant using deep learning techniques
GÜLAY KARAHANLI
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEM TAŞKIN
- Derin öğrenme ve anahtar nokta poz tahminlemesi yöntemiyle insan duruşu tahminlemesi
Human position prediction by deep learning and keypoint exposure estimation
HEDİYE NUPELDA KANPAK
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMET ALİ ARSERİM
- Active slam with informative path planning for heterogeneous robot teams
Heterojen robot takımları için bilgilendirici yol planlamalı aktif EZKH
MEHMET CANER AKAY
Doktora
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN TEMELTAŞ
- How to govern military ai: On the global governance of artificial intelligence from an international security perspective
Askeri yapay zeka nasıl yönetilmeli: Uluslararası güvenlik perspektifinden yapay zekanın küresel yönetimi
ONUR TÜRK
Yüksek Lisans
İngilizce
2021
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilim, Teknoloji ve Toplum Ana Bilim Dalı
DOÇ. DR. EMİNE ASLI ÇALKIVİK