Geri Dön

Derin öğrenme ile demiryolu hattı segmentasyonu

Railway track segmentation with deep learning

  1. Tez No: 895515
  2. Yazar: TURAN TEYMURBAYLI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ UTKU KAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Raylı Sistemler Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Raylı Sistemler Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 75

Özet

Son yıllarda artan nüfusla birlikte demiryolu kullanımı da önemli ölçüde artış göstermiştir. Demiryolları sadece insan taşımacılığında değil, aynı zamanda ağır yüklerin taşınmasında da etkin bir şekilde kullanılmaktadır. Ancak bu durum, demiryollarının zamanla aşınmasına ve yıpranmasına yol açmaktadır. Bu da hem bakım maliyetlerini artırmakta, hem de insan hayatını riske atmaktadır. Rayların denetlenmesi uzun ve zaman alıcı bir süreç olduğundan, rayların otomatik olarak taranması, zaman ve maliyet açısından daha verimli bir çözüm olarak karşımıza çıkmaktadır. Yaptığımız çalışma, rayların yapay sinir ağları ile segmentasyonunu hedeflemektedir. Bu sayede maliyet ve zamandan tasarruf sağlanacak, aynı zamanda olası insan hatalarının önüne geçilecektir. Kullanmakta olduğumuz derin öğrenme yapay zeka modelimiz, görüntülerden rayların tespit edilmesi görevini üstlenmektedir. Rayların tespiti için çeşitli yöntemler kullanılabilir. Derin sinir ağlarının (DNN) bu görev için kullanılması, güçlü bilgisayarlar ve büyük miktarda veri gerektirmektedir. Ayrıca, DNN'lerde kullanıcı tarafından ayarlanması gereken çok sayıda parametre bulunmaktadır. Bu sorunların doğru bir şekilde çözülmesi için uygun yöntemler uygulanmıştır.

Özet (Çeviri)

With the increasing population in recent years, railway usage has also increased significantly. Railways are effectively used not only for human transport but also for the transport of heavy loads. However, this situation leads to wear and tear of the railways over time. This both increases maintenance costs and puts human life at risk. Since the inspection of rails is a long and time-consuming process, automatic scanning of rails is a more efficient solution in terms of time and cost. Our study aims to segment the rails with artificial neural networks. In this way, cost and time savings will be achieved and possible human errors will be prevented. The deep learning artificial intelligence model we are using undertakes the task of detecting rails from images. Various methods can be used for the detection of rails. The use of deep neural networks (DNN) for this task requires powerful computers and large amounts of data. In addition, DNNs have a large number of parameters that need to be set by the user. Appropriate methods have been applied to solve these problems accurately.

Benzer Tezler

  1. Demiryolları için nesnelerin interneti ile uzaktan izlenebilen ray sıcaklığı ve tren hızı ölçüm sistemi tasarımı ve meteoroloji ile saha verisi üzerinden makine öğrenmesi/derin öğrenme ile zamana dayalı ray sıcaklığı tahmini

    Designing train speed and rail temperature measurement system with remote monitoring by internet of things and time based prediction of rail temperature with machine learning/deep learning

    EREN ERDİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUSTAFA TURHAN ÇOBAN

  2. 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

    MERVE YILMAZER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET KARAKÖSE

  3. Machine learning approach for predictive maintenance IoT based railway track fault detection using proposed hyper deep neural network

    Öngörücü bakım için makine öğrenme yaklaşımı önerilen hiper derin sinir ağını kullanarak IoT tabanlı demiryolu hattı hata tespiti

    NOOR ALBUNDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiBahçeşehir Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA OZBAYRAK

  4. Demiryolu elektrifikasyon sistemleri için dinamik test ve ölçüm sisteminin gerçekleştirilmesi

    Realization of dynamic test and measurement system for railway electrification systems

    ŞAKİR PARLAKYILDIZ

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUHSİN TUNAY GENÇOĞLU

  5. Derin öğrenme metotları ile demiryolu arızalarının teşhisi ve sınıflandırılması

    Diagnosis and classification of railway faults using deep learning methods

    RIDVAN ÖZDEMİR

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali Üniversitesi

    Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET KOÇ