Yol kaplamalarında gerçek zamanlı anormallik tespiti için derin öğrenme modellerinin karşılaştırmalı analizi

Bu tez çalışmasının amacı, yollardaki çukur, drenaj kapakları ve hız tümsekleri gibi anormalliklerin doğru bir biçimde tespit edilmesidir. Bu doğrultuda, Dinamik Kırpma Sistemi (DKS) adı verilen bir sistem geliştirilmiş, bu sistemin nesne tespitine dayalı versiyonu (DKS-NT) ve örnek segmentasyonuna dayalı versiyonu (DKS-ÖS) oluşturulmuştur. Bu sistemler, iki aşamalı YOLO modellerinin kullanıldığı bir yol anormalliği tespit hattı olarak özetlenebilir. DKS-NT sisteminde, birinci YOLO modeli yol bölgesini tespit etmekte, ardından ikinci YOLO modeli yalnızca bu belirlenen yol bölgesi üzerinde çalıştırılarak anomali tespiti gerçekleştirilmektedir. DKS-ÖS sisteminde ise yol bölgesi, örnek segmentasyonu yapan bir model ile belirlenip tamamen izole edilmekte ve daha sonra yalnızca bu izole edilmiş bölgede anomali tespiti yapılmaktadır. Ayrıca, DKS-ÖS sisteminin anomali tespit aşamasına, gerçek zamanlı anomali tespitinde Oto-kodlayıcı yönteminin potansiyelini değerlendirmek amacıyla Oto-kodlayıcı entegre edilmiştir. Yazarın bilgisi dahilinde, bu yöntem yol anormalliklerinin tespiti üzerinde daha önce uygulanmamıştır. Modellerin eğitim sürecinde, yazar tarafından oluşturulan 36 farklı veri kaynağı birleştirilerek veri setleri hazırlanmıştır. Bu veri setlerine uygulanan veri artırma yöntemleri sayesinde sınıf dengesizliği sorunları hafifletilmiş ve modellerin genelleme yetenekleri artırılmıştır. Eğitim tamamlanıp modeller tasarlanan mimarilere entegre edildikten sonra karşılaştırma aşamasına geçilmiştir. Çalışmada DKS sistemi olmayan (NO-DKS), DKS-NT, DKS-ÖS ve Oto-kodlayıcı sistemleri karşılaştırılmış, yapılan değerlendirmeler sonucunda en başarılı sistem DKS-NT olarak belirlenmiştir. Yol bölgesi tespitinde, YOLOv10n modeli kullanan DKS-NT sistemi, 0.996 precision, 0.992 recall, 0.995 mAP@50, 0.958 mAP@0.50:0.95 doğruluk metriklerine ve toplamda 0.7 ms işlem süresine ulaşarak üstün performans sergilemiştir. Yol anomalilerinin tespitinde ise DKS-NT, YOLOv10s modeli kullanılarak hem hız hem de doğruluk açısından en dengeli performansı göstermiştir.