Demiryolu bağlantı elemanı kusurlarının derin öğrenme teknikleri ile tespiti ve sınıflandırılması
Railway fastener defects detection and classification based on deep learning techniques
- Tez No: 781179
- Danışmanlar: PROF. DR. HAKKI GÖKHAN İLK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Bağlantı elemanları, Demir yolları, Derin öğrenme, Görüntü işleme, Connection elements, Railways, Deep learning, Image processing
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Demiryolu araçları dünyada ve ülkemizde yük ve yolcu taşımacılığı için yaygın olarak kullanılmaktadır. Güvenli bir şekilde taşımacılığın yapılabilmesi için demiryolu hat bileşenlerinin düzenli bir şekilde bakımı yapılması gerekmektedir. Demiryolu hat kusurlarını bulmak için yapılan farklı bakım tipleri mevcuttur. Bu yöntemler arasından görsel muayenenin önemli bir yeri vardır. Görsel muayene genellikle personel tarafından göz ile yapılmaktadır. Teknolojinin gelişmesi ile demiryolu aracı ile görme tabanlı hat kusurlarının bulunması önem kazanmıştır. Görüntüleme sistemleri ve yazılım ile uygulanan otomatik muayene sistemi, personelin gözle inceleme yaptığı manuel inceleme yöntemine göre hızlı, güvenli ve maliyeti daha düşüktür. Otomatik muayene sisteminde kullanılacak olan algoritmanın, doğruluk oranı yüksek ve stabil olmalıdır. Yapılan çalışmada, trenin altına monte edilen kamera sisteminden alınan görüntülerden iki aşamalı bir yöntem ile bağlantı elemanı kusurları tespit edilmiştir. İlk aşamada görüntü işleme yöntemleriyle, hat görüntüsünden ray ve travers konumuna göre bağlantı elemanının konumu tespit edilmiştir. İkinci aşamada bağlantı elemanı durum tespiti için YİÖ (Yerel İkili Örüntü) ve YGH (Yönlü Gradyan Histogramı) gibi klasik özellik çıkarma yöntemleri ve farklı Konvolüsyonel Sinir Ağı mimarilerinde KSA-1, MobileNet-v3, ResNet-50 ve RegNetY-1.6GF modelleri kullanılmıştır. Derin öğrenme modelleri, klasik özellik çıkarma yöntemlerinden daha iyi sonuç vermiştir. En iyi performansı veren RegNetY-1.6GF modelinde, test verilerinde %98.71 sınıflandırma doğruluğu ve sağlam bağlantı elemanı için 0.992, eksik bağlantı elemanı için 0.992, hasarlı bağlantı elemanı için 0.98 ve dönmüş bağlantı elemanı için 0.976 F1 skorları elde edilmiştir.
Özet (Çeviri)
Railway vehicles are widely used in the world and in our country for freight and passenger transportation. Regular maintenance of railway line components is required for safe transportation. There are different types of maintenance to find railway track defects. Among these methods, visual inspection has an important place. Visual inspection is generally done by the staff visually. With the development of technology, it has become important to find vision-based line defects with the railway vehicle. The automatic inspection system implemented with imaging systems and software is faster, safer and less costly than the manual inspection method, where the personel makes visual inspection. The algorithm to be used in the automatic inspection system should have a high accuracy rate and a stable. In the study, fastener defects were detected with a two-stage method from the images taken from the camera system mounted under the train. At the first stage, the position of the fastener was determined according to the rail and sleeper position from the line image with image processing methods. In the second stage, classical feature extraction methods such as LBP and HOG, and KSA-1, MobileNet-v3, ResNet-50 and RegNet-1.6GF models in different Convolutional Network architectures were used for fastener condition detections. Deep learning models gave better results than classical feature extraction methods. In the RegNetY-1.6GF model, which gave the best performance, 98.71% classification accuracy in the test data and F1 scores of 0.992 for an intact fastener, 0.992 for a missing fastener, 0.98 for a damaged fastener, and 0.976 for a rotated fastener were obtained.
Benzer Tezler
- Türkiye Demiryolu Makinaları Sanayi Anonim Şirketi'nin örgütsel sosyoloji açısından değerlendirilmesi
Başlık çevirisi yok
M. SERDAR KARAMANOĞLU
- Türkiye'de yönetimi yeniden düzenleme çalışmaları (1946-1973)
Başlık çevirisi yok
SELAMİ DEMİRKOL
Yüksek Lisans
Türkçe
1987
Kamu Yönetimiİstanbul ÜniversitesiKamu Yönetimi Ana Bilim Dalı
DOÇ. DR. CEMİL OKTAY
- Demiryolu yük taşımacılığında optimum katar yükü probleminin incelenmesi
Determination of the optimum train load in railway freight transportation
SADETTİN ÖZEN
- Reaktif buharlaştırma tekniği ile hazırlanan AIOx ve AI-AIOx ince filmlerinin dielektrik özelliklerinin alana bağlı değişimleri
Başlık çevirisi yok
GÜZİN AKTULGA
Doktora
Türkçe
1985
Fizik ve Fizik Mühendisliğiİstanbul ÜniversitesiFizik Bilim Dalı
PROF. DR. HÜLYA DEMİRYONT