Uçuşa elverişlilik için derin öğrenme yöntemi ile pist yüzeyi çatlak tespiti yaklaşımı
Deep learning based runway surface crack detection approach for airworthiness
- Tez No: 811866
- Danışmanlar: PROF. DR. ALPER BAŞTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Havacılık Mühendisliği, Sivil Havacılık, Aeronautical Engineering, Civil Aviation
- Anahtar Kelimeler: Uçuşa elverişlilik, pist yüzey denetimi, derin öğrenme, evrişimli sinir ağları, Airworthiness, runway surface control, deep learning, convolutional neural network
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Sivil Havacılık Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Uçuş emniyeti, günümüz havacılık endüstrisinde en çok önem verilen temel konular arasındadır. Pist yüzey şartlarının denetim ve kontrolleri, güvenli bir uçuş için büyük önem taşır. Pist yüzey şartlarında kontrol edilecek hususlardan biri pist üzerindeki zemin hasarı, kaba veya kırık yüzeylerdir (çatlama, kırılma, kopma, açılma vb.). Bunun kontrolü, ilgili alanda eğitim almış personeller tarafından yapılır ancak bu tarz bir kontrol zaman alıcı bir süreçtir. Derin öğrenme, son yıllarda oldukça popüler hale gelmiş bir makine öğrenmesi yaklaşımıdır. Temel olarak verinin temsilinden öğrenmeye dayalıdır. Bir görüntü için temsil denildiğinde; piksel başına yoğunluk değerlerinin bir vektörü veya kenar kümeleri, özel şekiller gibi özellikler anlaşılabilir. Bu özellikleri gerekli keşif yeterli düzeyde yapılabildiğinde veriyi daha iyi temsil etmektedir. Bu aşamada yine bir avantaj olarak, derin öğrenme yöntemleri, elle çıkarılan özellikler (handcrafted features) yerine veriyi en iyi temsil eden hiyerarşik özellik çıkarımı için etkin işlevlere sahiptirler. Bu tez çalışmasında, farklı bir yaklaşım olarak pist yüzeyindeki çatlakların tespiti için iki farklı derin öğrenme modeli sunulmuştur. İlk modelde evrişimli sinir ağı sıfırdan eğitilmiş, ikinci modelde ise önceden eğitilmiş AlexNet mimarisi ile sınıflandırma gerçekleştirilmiştir. Modeller, veriler üzerinde test edilmiş ve elde ettikleri başarı oranları tespit edilmiştir.
Özet (Çeviri)
Flight safety is one of the most important fundamental issues in today's aviation industry. The monitoring and control of runway surface conditions is of great importance for a safe flight. Runway surface conditions include checking for damage to the runway surface and rough or broken surfaces (cracks, breaks, tears, openings, etc.). These inspections are carried out by trained personnel, but this type of inspection is a time-consuming process. Deep learning has become a very popular machine learning technique in recent years. It focuses mainly on learning data representations. A vector of intensity values per pixel, or features such as edge clusters and user-defined shapes, can be taken into account when considering a representation for an image. These features better represent the data if the necessary discovery can be made at an appropriate level. Deep learning techniques now have an advantage over traditional methods in that they use effective hierarchical feature extraction algorithms that best reflect the data. This thesis proposes two different deep learning models as an alternative approach to crack detection on runway surfaces. The first approach is to train convolutional neural networks from scratch for classification, while the second approach is to fine-tune the pre-trained AlexNet architecture. The models were tested on the data and their success rates were determined.
Benzer Tezler
- Damage detection in aircraft engine borescope inspection using deep learning
Uçak motorlarının baroskopik incelemesinde derin öğrenme kullanılarak hasar tespiti
İSMAİL UZUN
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAksaray ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET REŞİT TOLUN
- Uçuşa elverişliliğin zaman serilerinde kisa vadeli kestirimiçin modellenmesi
Short-term prediction model of airworthiness in time series
ALİ TATLI
Doktora
Türkçe
2022
Havacılık ve Uzay MühendisliğiEskişehir Teknik ÜniversitesiHavacılık Elektrik ve Elektroniği Ana Bilim Dalı
PROF. DR. TAHİR HİKMET KARAKOÇ
DOÇ. DR. TANSU FİLİK
- İnsansız hava araçlarındaki servo eyleyiciler için güvenilirlik analizi
Reliability analysis of servo actuators installed in an unmanned air vehicle
ALTUĞ TÜFEKÇİOĞLU
Yüksek Lisans
Türkçe
2018
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MELİKE NİKBAY
- Development of methods for reducing scheduled maintenance downtime of aircraft
Uçakların planlı bakım için yerde kalış sürelerinin azaltılmasına yönelik yöntem ve analiz metotlarının geliştirilmesi
CANER ŞENTÜRK
Doktora
İngilizce
2018
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM OZKOL
- Blok zinciri teknolojisinin aviyonik sistemlerde kullanılabilirliğinin araştırılması
Investigation of applicability of blockchain technology to avionics systems
AYŞENUR SAYIL
Yüksek Lisans
Türkçe
2023
Uçak MühendisliğiErciyes ÜniversitesiUçak Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HARUN ÇELİK