Hava alanları kaplamalı sahalarında oluşan yüzey kusurlarının derin öğrenme ile tespit edilmesi
Detection of surface defects in paved areas of airports using deep learning
- Tez No: 959213
- Danışmanlar: DR. ÖĞR. ÜYESİ NURİYE KABAKUŞ
- Tez Türü: Yüksek Lisans
- Konular: İnşaat Mühendisliği, Civil Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 126
Özet
Amaç: Bu çalışmanın amacı, havaalanı pist, apron ve taksi yollarında meydana gelen yüzey çatlakları vb. deformasyonların, yapay zeka tabanlı derin öğrenme modeli YOLOv11 kullanılarak hızlı, doğru ve otomatik bir şekilde tespit edilmesini sağlamaktır. Böylece, geleneksel manuel inceleme yöntemlerinde görülen zaman kaybı, yüksek hata oranı ve öznellik gibi sorunlara alternatif bir çözüm geliştirilmesi hedeflenmiştir. Yöntem: Çalışmada Türkiye'nin farklı havaalanlarından elde edilen 1000 adet görüntü (650 hasarsız, 350 hasarlı) ile veri tabanı oluşturulmuştur. Görüntüler iPhone 11 cihazı ile fotoğraflanmıştır. Veriler ön işlemden geçirilerek YOLOv11 mimarisiyle eğitilmiş ve test edilmiştir. Model performansı mAP, IoU, precision-recall gibi değerlendirme parametreleri kullanılarak değerlendirilmiştir. Bulgular: Elde edilen sonuçlar, YOLOv11 tabanlı modelin gerçek saha koşullarında yüksek doğruluk ve güvenilirlik ile çatlak ve yama deformasyon tespitini yapabildiğini göstermiştir. Model, sınırlı sayıda ancak çeşitli yapıya sahip veri ile eğitilmesine rağmen pratik uygulamalarda başarılı performans sergilemiştir. Sonuç: Geliştirilen derin öğrenme tabanlı sistem, havaalanı kaplamalı saha yönetiminde bakım-onarım süreçlerinin dijitalleşmesine katkı sağlayarak, uçuş güvenliğini artırmakta ve işlevsel maliyetlerin düşürülmesine olanak tanımaktadır. Çalışma, gelecekte gerçek zamanlı denetim sistemleri, geniş veri setleriyle model iyileştirme ve entegre bakım yönetimi uygulamaları için temel oluşturacak niteliktedir.
Özet (Çeviri)
Purpose: The aim of this study is to provide fast, accurate and automatic detection of surface cracks and deformations on airport runways, aprons and taxiways, using the artificial intelligence based on deep learning model YOLOv11. Thus, it is aimed to develop an alternative solution to the problems such as time loss, margin of error and subjectivity, caused by traditional manual inspection methods. Method: In this study, a database was created with 1000 images (650 undamaged and 350 damaged), obtained from different airports in Turkiye. The images were photographed with iPhone 11. The data was preprocessed, trained, and tested with the YOLOv11 architecture. Model performance was evaluated using metrics such as mAP, IoU, and precision-recall. Findings: The results show that the YOLOv11-based model is capable of crack and deformation detection with high accuracy and reliability under real field conditions. The model performed well in practical applications despite being trained with a limited number of data with diverse structure. Results: The developed deep learning-based system contributes to the digitalization of maintenance and repair processes in airport paved area management, increasing flight safety and reducing operational costs. The study lays the foundation for future real-time inspection systems, model improvement with large data sets and integrated maintenance management applications.
Benzer Tezler
- Burdur ili mermer sektörünün kurumsal ve ekonomik yapısı
İnstitutional and economic structure of marble sector in burdur
AHMET SARITAŞ
- İstanbul ili ve çevresinde tesis edilecek çim alanlar için en uygun çim karışımının saptanması
Determination of the most suitable gross mixture for the landgrass to be established in İstanbul conditions
BİROL ŞAHİN
- Hava alanları için kaplamalı sahalar bakım yönetimi
Pavement maintenance management for airports
LEVENT MAZILIGÜNEY
Yüksek Lisans
Türkçe
2006
UlaşımGazi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. YUSUF DEMİREL
- Yüksek sıcaklığa maruz kalan havaalanı kaplamaları için uygun beton özellikleri.
Suitable concrete proporties for airfield pavements which subject to high temperature.
SERKAN SARIBEK
Yüksek Lisans
Türkçe
2012
İnşaat MühendisliğiEskişehir Osmangazi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ÖMER FATİH ESER
- Elektrokromik kaplamalı camın farklı iklim bölgelerine göre enerji performansı değerlendirilmesi
Energy performance assessment of electrochromatic coatings for different climatic zones
MUSTAFA İRFAN ERDEMLİ
Yüksek Lisans
Türkçe
2018
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilim ve Teknoloji Ana Bilim Dalı
DOÇ. DR. HATİCE SÖZER