İnsansız hava aracı (İHA) ile yol üstyapı bozulmalarının tespiti
Detection of road pavement deteriorations by using unmanned aerial vehicle (UAV)
- Tez No: 894221
- Danışmanlar: PROF. DR. CAHİT GÜRER, PROF. DR. MURAT UYSAL
- Tez Türü: Yüksek Lisans
- Konular: Ulaşım, Transportation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Afyon Kocatepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 107
Özet
Üstyapı durumunun değerlendirilmesi, gelecekteki ekonomik kayıpları azaltmak ve yapısal güvenilirliği ve dayanıklılığı artırmak için her türlü girişimde son derece önem arz etmektedir. Kaplamanın mevcut durumunun değerlendirmesinden elde edilen veriler, üstyapı performansının bir fonksiyonu ve bunların işlevselliğini ve güvenilirliğini değerlendirmek için önemli bir bileşen olarak kullanılmaktadır. Bununla birlikte, özellikle bozulmalardan sonra, değerlendirme ile ilgili maliyet, güvenlik sorunları ve erişilebilirlik kısıtlamaları nedeniyle kaplama durumu değerlendirmesi zorlaşmaktadır. Bu araştırma, kaplamada meydana gelen enine çatlak, boyuna çatlak, timsah sırtı çatlak ve yama bozulmaları olmak üzere 4 önemli bozulmayı hızla sınıflandırmak için otomatik bir sınıflandırma modeli geliştirmeyi amaçlamaktadır. Afyon Kocatepe Üniversitesi Ahmet Necdet Sezer kampüsü içerisinde İnsansız Hava Aracı (İHA) kullanılarak esnek kaplamalar için enine çatlak, boyuna çatlak, timsah sırtı çatlak ve yama bozulmalarını temsil eden yüksek çözünürlüklü görüntüler toplanmıştır. Görüntü sınıflandırma modeli, nesne algılama görevleri için geliştirilen ve bir görüntüyü aynı anda birçok bölgeye bölerek nesneleri algılamak ve sınıflandırmak için tasarlanan Evrişimli Sinir Ağları (Convolutional Neural Network (CNN)) mimarisi olan YOLOv5 kullanılarak geliştirilmiştir. Kullanılan YOLOv5m modelinin de 70 epok ve 16 parti boyutu için yapılan eğitim sonucu karmaşıklık matrisi incelendiğinde 88,25 oranında bir başarı yakalandığı görülmüştür. Tüm bu sonuçlar doğrultusunda YOLOv5 modelinin, test sonuçları ve tespit süreleri incelendiğinde en optimum sonuç veren model olduğu tespit edilmiştir. Geliştirilen modelin arkasındaki metodoloji, yerinde bulunma ihtiyacını azaltmaya, güvenliği artırmaya ve meteorolojik olaylardan sonra alınacak en güvenli rotaya karar vermede acil müdahale etme konusunda karar verici kurum ve kuruluşlara yardımcı olacaktır. Ek olarak, modelin uygulanması, ulaştırma mühendislerinin kaplama bozulmalarını hızlı bir şekilde değerlendirmelerine, yol onarımı ve geri kazanımı ve uygun bakım-onarım yöntemini belirlemeleri için hızlı kararlar vermeleri amacıyla yol gösterici olacaktır.
Özet (Çeviri)
Assessing pavement condition is crucial for reducing future economic losses and improving structural reliability and durability. Data from assessing pavement condition is used to evaluate pavement performance and reliability. Assessing the condition of pavement is challenging because it is expensive, poses safety concerns, and has accessibility limitations, especially once it starts to deteriorate. The objective of this research is to create an advanced classification model that can swiftly categorize four significant types of pavement distresses: transverse cracks, longitudinal cracks, alligator cracks, and patch deteriorations. High resolution images representing transverse cracks, longitudinal cracks, crocodile cracks and patch deteriorations for flexible pavements were collected using an Unmanned Aerial Vehicle (UAV) within Afyon Kocatepe University Ahmet Necdet Sezer campus. The image classification model utilizes YOLOv5, a cutting-edge CNN architecture designed specifically for object detection. It divides the image into multiple regions to detect and classify objects.When the complexity matrix of the YOLOv5 model used was examined for 70 epoks and 16 batch size, it was seen that a success rate of 88,25 was achieved. Based on these results, the YOLOv5m model emerged as the optimal choice, delivering superior performance in both test results and detection times. The methodology behind the developed model will help decision-making institutions and organizations to reduce the need for on-site presence, increase safety, and respond urgently to decide the safest route to take after meteorological events. Furthermore, implementing this model will enable transportation engineers to swiftly assess pavement degradation, expedite decision-making regarding road repairs and recovery, and determine the most suitable maintenance and repair approach.
Benzer Tezler
- Bina rölevesi kapsamında yersel lazer tarama ve insansız hava araçları yardımıyla üretilen verilerin doğruluk analizi
Accuracy analysis of data produced by terresterial laser scanner and unmanned aerial vehicle in building relief scope
HACI TEVFİK ÇAŞKURLU
Yüksek Lisans
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURAN ERDEN
- İnsansız hava aracı (İHA) ile karayolları denetimi
Highway inspection by unmanned aerial vehicle (UAV)
MUZAFFER ÖZKOCA
Yüksek Lisans
Türkçe
2019
Sivil HavacılıkErciyes ÜniversitesiSivil Havacılık Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT ONAY
- 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
- İnsansız hava aracı ile yol güvenliği
Road safety with unmanned aerial vehicle
EYÜP ENSAR YILDIZ
Yüksek Lisans
Türkçe
2022
Bilim ve TeknolojiKırşehir Ahi Evran Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT IŞIK
- İnsansız hava aracı ile elde edilen veriler yardımıyla yol tespiti
Automatic road detection from data taken by unmanned aerial vehicles
ABDURAHMAN YASİN YİĞİT
Yüksek Lisans
Türkçe
2020
Jeodezi ve FotogrametriAfyon Kocatepe ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT UYSAL