Master'sOpen Access

Yol görüntüsü ve hareket duyarga verilerini kullanarakotomatik yol anormalliği tespiti

2022
0 views
0 downloads
Advisor: Doç. Dr. Burhan Ergen

Abstract (TR)

Köprüler, barajlar, betonarme yapılar ve karayolu gibi farklı yapılarda oldukça önemli olan çatlak tespitinin görüntü işleme ve sınıflandırma ile tespiti yapılabilir. Karayollarında oluşan çatlakların tespit edilmesi trafik yoğunluğunun azaltılmasını, kazaların önlenmesini, yol denetçilerinin iş yükünün hafiflemesini ve yol bakımının daha iyi yapılmasını sağlar. Asfaltlarda bulunan çatlakların ve kusurların manuel olarak incelenmesi, yorgunluk, sorumsuz denetim, zayıf göz görme gibi bir dizi nedenden dolayı insan hata olasılığı yüksektir. Çatlakların tespiti ve analizi için son yıllarda görüntü işleme ve makine öğrenmesi teknikleri kullanılmıştır. Bu teknikler belirleme ve sınıflandırma ile otomatik olarak gerçekleştirilmesine yoğunlaşılmıştır. Karayolu gerçek koşullarının sürekli haritalanması, tutarlı bir kaynak tahsisi ile birlikte yeterli altyapının bakım ve yönetim işlemlerine de izin verir. Bu nedenle, yol kullanıcılarını altyapı kalitesi konusunda bilgilendirmek ve aynı kullanıcılardan bilgi almak, güvenli bir sürüş için, navigasyon için mobil cihaz uygulamalarının (güvenlik yolu için özel bir sosyal ağ gibi) yeni sınırı haline gelmiştir. Bu çalışmada yol yüzey kalitesinin izlenmesi ve tam yol sahne envanter görüntüleri için kullanışlı bir otomatik algılama sistemini gerçekleştirilmiştir. Temel amaç karayolu ve beton yapılarda bulunan çatlakları tespit etmenin optimal yolunu bulmaktır. Yapılan uygulamalar VGG-16 mimarisi, Evrişimsel Sinir Ağı ve Gabor Filtresi gibi yapılar kullanılarak görüntülerden çatlak tespitine odaklanmaktadır.

Author

Dr. Erkan Deveci

How to Cite

Erkan Deveci (Yüksek Lisans Tezi). Yol görüntüsü ve hareket duyarga verilerini kullanarakotomatik yol anormalliği tespiti, 2022, Fırat University.

License

Tüm Hakları Saklıdır

This work is shared under the specified license terms.

More theses from Fırat University