Ray ve çevresindeki nesnelerin tespiti ve mesafe ölçümü için derin öğrenme tabanlı yaklaşımların geliştirilmesi

Akıllı demiryolu sistemlerinin geliştirilmesi, giderek daha fazla sayıda görevi eşzamanlı ve gerçek zamanlı olarak gerçekleştirebilen görsel algı çerçevelerine bağlı hale gelmektedir. Bu tez, demiryolu ortamlarında güvenliği ve otomasyonu artırmak amacıyla nesne tespiti, anlamsal segmentasyon ve derinlik odaklı mesafe tahminini entegre eden modüler bir derin öğrenme sistemi önermektedir. 2B anlamsal kavrayışı 3B mekânsal akıl yürütme ile birleştirerek, sistem demiryolu operasyonlarına özel kapsamlı ve bağlama duyarlı sahne yorumlaması sağlamaktadır. Segmentasyon ve tespit görevlerini desteklemek üzere RailSem19 veri seti, özgün bir açıklama sentezleme hattı aracılığıyla genişletilmiştir. Her alt görev için en gelişmiş modeller değerlendirilmiş; mAP, mIoU ve piksel bazında doğruluk gibi metrikler kullanılarak en iyi yapılandırmalar seçilmiştir. İki çok görevli füzyon stratejisi geliştirilmiştir: biri segmentasyon çıktılarından yararlanan kural tabanlı bir çıkarım hattı, diğeri ise nesne düzeyinde ve piksel düzeyinde anlamsal bilgileri eşzamanlı olarak işleyen çift akışlı bir mimaridir. Çift akışlı model, karmaşık senaryolarda daha yüksek mekânsal hassasiyet, zamansal tutarlılık ve dayanıklılık göstermiştir. Derinlik algısı, ZED2 kamera kullanılarak elde edilmiş ve gerçek zamanlı 3B konumlama mümkün kılınmıştır. Kalibre edilmiş derinlik haritalarının RGB görüntülerle hizalanması sayesinde, sistem çeşitli koşullarda ortalama %10'un altında hata oranıyla mesafe tahmini gerçekleştirebilmiş; yayaların, araçların ve engellerin güvenilir bir şekilde tespitini desteklemiştir. Sistem, CUDA destekli donanım üzerinde verimli bir şekilde çalışarak gerçek zamanlı performansla birlikte yüksek doğruluk ve başarılı segmentasyon ölçütleri sergilemiştir. Bu sonuçlar, sistemin demiryolu izleme, tehlike tespiti ve altyapı denetimi gibi pratik uygulamalar için etkinliğini ve güvenilirliğini teyit etmektedir. Bu çalışma, demiryolu otomasyonu için genişletilebilir bir algı çerçevesi sunmakta ve çok modlu füzyon, alan uyarlaması ve güvenlik-kritik uygulamalar alanlarında gelecekteki araştırmalar için sağlam bir temel oluşturmaktadır.