Geri yayılımlı birlikte evrim ile iyileştirilmiş derin sinir ağları kullanılarak yol çatlak tespiti

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Bursa Uludağ Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, İnşaat Mühendisliği Bölümü, Türkiye

Tezin Onay Tarihi: 2022

Tezin Dili: Türkçe

Öğrenci: EMİRHAN MUSTAFA ANIK

Danışman: Turan Arslan

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Çatlaklar trafik yükleri etkisi ile alt tabakadan başlayarak kaplama yüzeyine kadar oluşan yüzeysel hasarlardır. Oluşan bir çatlak hasarının büyümeden tespit edilip gerekli bakımlarının yapılması hem yol konforuna hem de bakım için yapılacak harcamalara olumlu olarak katkıda bulunmaktadır. Bu çalışmada yol üzerinde bulunan çatlakları gerçek zamanlı ve yüksek doğrulukta tespit etmek amaçlanmıştır. Bu kapsamda Geri Yayımlı Birlikte Evrim yaklaşımıyla İyileştirilmiş Derin Sinir Ağları ve görüntü işleme yöntemlerini birlikte kullanılmıştır. Çalışmada çeşitli sayıda ve boyutta çatlak görsel verileri içeren EdmCrack600, AsphaltCrack, CFD ve CrackSegmentation veri setlerinden yararlanılarak yeni bir veri seti elde edilmiş ve bu veri seti üzerinde Derin Sinir Ağları tabanlı öğrenim gerçekleştirilmiştir. Görüntü işleme teknikleri sayesinde ise çatlak tespiti yapılan görsel içerisinden çatlak olmayan nesneler arındırılmış ve çatlağın kabaca konumunu gösteren siyah-beyaz bir resim elde edilmiştir. Son olarak kabaca konumu belirlenmiş çatlak üzerinde en iyi öğrenme gerçekleştirmiş ağ yapısına ait parametreler kullanılarak alan bazlı çatlak tespiti yapılmıştır. Modelin doğruluğu CFD veri seti kullanarak Keskinlik, Duyarlılık ve F1-Score kriterleri ile değerlendirilmiştir. Değerlendirme sonucunda, önerilen yöntem maksimum saniyede 48 görsel üzerinde çatlak tespiti yapabilirken %92,74 Kesinlik, %88,92 Duyarlılık ve %89,61 F1-Score başarı yüzdelerine erişebildiği gözlenmiştir.