Ray kusurlarının makine öğrenmesi ile gerçek zamanlı tespiti
Real-time detection of rail defects by machine learning
- Tez No: 878878
- Danışmanlar: DR. ÖĞR. ÜYESİ UTKU KAYA
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Raylı Sistemler Ana Bilim Dalı
- Bilim Dalı: Raylı Sistemler Mühendisliği Bilim Dalı
- Sayfa Sayısı: 56
Özet
Bu çalışmada, demir yolları bileşenlerinde meydana gelebilecek kusurların gerçek zamanlı olarak makine öğrenme algoritmalarıyla tespiti araştırılacaktır. Bu araştırma, demiryolu bileşenlerinde meydana gelebilecek kusurları erken tespit ederek kazaları ve kayıpları önceden önlemeyi amaçlamaktadır. Çalışma, demir yolu kırıkları, bağlantı elemanlarının eksikliği, ray sabitleme kelepçesinin eksikliği ve vidaların eksikliği gibi temel parçaların kusurlarını tespit ederek gerçekleştirilmiştir. Uygulamamızda, makine öğrenme algoritmalarını eğitmek için birden fazla görüntü kullanılacaktır. Derin öğrenme ağı tarafından, kusurlu veya kusursuz görüntüler, derin öğrenme ağı tarafından sınıflandırılacaktır. Başka bir deyişle, derin öğrenme ağımız, gelen test görüntülerini temas etmeden ve gerçek zamanlı olarak tespit edecektir. Çalışmamızda uygun yöntemler ve başarı metrikleri sunulmuş ve sonuçlar karşılaştırmalı bir şekilde açıklanmıştır.
Özet (Çeviri)
In this study, real-time detection of defects that may occur in rail components will be investigated with machine learning algorithms. This research aims to detect the faults that will occur in the railway components early and to prevent accidents and losses in advance. The study was carried out by detecting the faults of basic parts such as rail fractures, lack of fastener, lack of rail fixing clamp, and lack of screws. Multiple images will be used in our application for training machine learning algorithms. Defective or non-defective images will be classified by a deep learning network. In other words, our deep learning network will detect incoming test images contactless and in real-time. In our study, appropriate methods and success metrics are given and the results are explained comparatively.
Benzer Tezler
- Innovative computational techniques for accurate internal defect detection in trees: A stress wave tomography approach enhanced by machine learning
Ağaçlarda iç kusurların doğru tespiti için yenilikçi hesaplamalı teknikler: Makine öğrenimi ile geliştirilmiş bir stres dalgası tomografi yaklaşımı
ECEM NUR YILDIZCAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU TUNGA
- End-to-end tire defect detection model based on machine and deep learning techniques
Makine ve derin öğrenme tekniklerine dayalı uçtan uca lastik arıza tespit modeli
RADHWAN ALI ABDULGHANI SALEH
Doktora
İngilizce
2024
Mekatronik MühendisliğiKocaeli ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN METİN ERTUNÇ
- A systematic approach with machine learning and a genetic algorithm for the microwave-assisted synthesis of antibacterial ZIF-8 nanoparticles
Sistematik bir yaklaşım ile makine öğrenimi ve genetik algoritma kullanarak antibakteriyel ZIF-8 nanopartiküllerin mikrodalga yardımlı sentezi
NİDA ÜK
Yüksek Lisans
İngilizce
2021
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. SADRİYE OSKAY
- Kendi kendini iyileştiren asfalt betonu kaplamalarda atık cüruflarin mikrodalga yöntemi ile kullanılabilirliğinin araştırılması
Investigation of the feasibility of using waste slags in self-healing asphalt concrete pavements via the microwave method
FATİH ERGEZER
Doktora
Türkçe
2025
UlaşımSüleyman Demirel Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAL TERZİ
- Flaw detection in aluminium castings leveraging synthetic data for non-destructive testing
Tahribatsız muayene için sentetik veriler kullanılarak alüminyum döküm kusurlarının tespit edilmesi
UMUT CAN ERKAN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiModelleme ve Simülasyon Ana Bilim Dalı
DOÇ. DR. ELİF SÜRER
PROF. DR. ULAŞ YAMAN