Otonom IHA tabanlı demiryolu bakım sistemi için yenilikçi derin öğrenme yöntemlerinin geliştirilmesi
Development of innovative deep learning methods for autonomous UAV-based railway maintenance system
- Tez No: 916774
- Danışmanlar: PROF. DR. İLHAN AYDIN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 168
Özet
Bu tez çalışmasının ana amacı, demiryolu hatlarının ve bileşenlerinin otomatik olarak izlenmesi ve kusurların yüksek doğrulukla tespit edilmesidir. Tezde, geleneksel yöntemlerin yerini alan otonom sistemler ile iş gücü ve zaman kaybını en aza indirerek verimliliği artırmak hedeflenmektedir. Çalışmanın temel motivasyonlarından biri, ray hatlarında ve bileşenlerinde bulunan yabancı nesnelerin tespit edilmesidir. Bu tür nesneler, ray hattı güvenliğini olumsuz etkileyebileceğinden, demiryolu ulaşımının güvenliği açısından önemli bir risk oluşturmaktadır. Simülasyon ortamında geliştirilen yöntem, gerçek dünya şartlarına uyarlanarak daha etkili ve güvenilir demiryolu bakım sistemleri geliştirilmesine olanak tanımaktadır. Proje kapsamında, Gazebo simülasyon ortamında Parrot Anafi4K İHA kullanılarak demiryolu hattı boyunca uçuş simülasyonları gerçekleştirilmiştir. Gerçek dünya ortamında yapılacak olan çalışmalarda, İHA ile toplanan görüntüler hibrit derin öğrenme tabanlı modellerle işlenerek, demiryolu bileşenlerindeki kusurların tespiti sağlanacaktır. Çalışmada YOLO, Unet, BiSeNetV2 gibi derin öğrenme algoritmaları ve hibrit yöntemler kullanılarak, demiryolu bileşenlerinde oluşan çatlaklar, deforme bağlantı elemanları gibi kusurların yüksek doğrulukla tespiti amaçlanmaktadır. Bu sayede, demiryolu bakım işlemleri daha hızlı ve maliyetsiz bir şekilde gerçekleştirilebilecektir. Ayrıca, geleneksel Unet modelinden daha iyi performans gösteren, Unet tabanlı geliştirilmiş bir DNet bölütleme modeli de geliştirmiştir. Geliştirilen yöntemlerin bulguları, literatürdeki çalışmalarla karşılaştırılarak detaylı bir şekilde sunulmuş ve başarılı ve etkili sonuçlar elde edilmiştir.
Özet (Çeviri)
The main purpose of this thesis is to automatically monitor railway lines and components and detect defects with high accuracy. The thesis aims to increase efficiency by minimizing labor and time loss with autonomous systems that replace traditional methods. One of the main motivations of the study is to detect foreign objects on rail lines and components. Such objects pose a significant risk to railway transportation safety, as they can negatively affect rail line safety. The method developed in the simulation environment enables the developing of more effective and reliable railway maintenance systems by adapting it to real-world conditions. Within the project's scope, flight simulations were carried out along the railway line using the Parrot Anafi4K UAV in the Gazebo simulation environment. In the studies to be carried out in the real-world environment, the images collected by the UAV will be processed with hybrid deep learning-based models to detect defects in railway components. The study aims to detect defects such as cracks and deformed fasteners in railway components with high accuracy by using deep learning algorithms such as YOLO, Unet, BiSeNetV2, and hybrid methods. In this way, railway maintenance operations can be carried out faster and less costly. In addition, an improved DNet segmentation model based on Unet has been developed, which outperforms the traditional Unet model. The findings of the developed methods were presented in detail by comparing them with the studies in the literature and successful and effective results were obtained.
Benzer Tezler
- Gerçek zamanlı ray takibi için otonom İHA algoritmalarının geliştirilmesi ve gürbüz derin öğrenme tabanlı kusur tespiti
Development of autonomous UAV algorithms for real-time rail tracking and robust deep learning based defect detection
EMRE GÜÇLÜ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERHAN AKIN
- Coordination and cooperation of multi UAV systems
Çoklu İHA sistemlerinin koordinasyonu ve işbirliği
MUSTAFA GÖKÇE
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiEskişehir Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TANSU FİLİK
- Otonom İHA'lar için q-learning tabanlı yörünge algoritmasının geliştirilmesi
Development of q-learningbased trajectory algorithm forautonomous UAVs
ŞENOL ERGUNŞAH
Yüksek Lisans
Türkçe
2022
Mekatronik MühendisliğiBandırma Onyedi Eylül ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELAHATTİN KOŞUNALP
- Otonom iha'ların uçuş kontrol ve navigasyon görevleri için bulanık mantık tabanalı çözüm yaklaşımı
Fuzzy logic based approach to design of flight control and navigation tasks for autonomous unmanned aerial vehicles
ÖMER ÇETİN
Yüksek Lisans
Türkçe
2008
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHava Harp Okulu KomutanlığıBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SEFER KURNAZ
PROF. MUSTAFA OKYAY KAYNAK
- Çoklu otonom insansız hava araçları için paralel programlama tabanlı yol planlaması
Parallel programming based path planning for multi autonomous unmmaned vehicles
ÖMER ÇETİN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHava Harp Okulu KomutanlığıBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRAY YILMAZ