Karayollarındaki Asfalt Çatlaklarının Tespiti İçin Yeni Bir Konvolüsyonel Sinir Ağı Tabanlı Yöntem

MakaleAçık Erişim
  • SDG 9 · Sanayi, Yenilikçilik ve Altyapı

Özet

Karayolu yüzeyindeki asfalt çatlakları en yaygın kaplama hasarlarından biridir. Bu çatlaklar zamanında tespit edilip bakıma alınmazsa büyüyerek trafik güvenliğini ve yoğunluğunu arttıracak boyutlara ulaşmaktadır. Bu nedenle, asfalt çatlaklarının tespitinin hızlı bir şekilde gerçekleştirilmesi çok önemlidir. Geleneksel manuel çatlak tespiti, son derece zaman alıcı, çok maliyetli ve çok çaba gerektirir. Bu nedenle, araştırmacılar odaklarını otomatik asfalt çatlaklarının tespitine yoğunlaştırdılar. Ancak, son yıllarda otomatik çatlak tespiti kapsamlı olarak araştırılmasına rağmen çatlakların farklı yoğunluğa sahip olması ve kaplama ortamının karmaşıklığı nedeniyle hala zor bir görevdir. Bu çalışmada, bu zorluğun üstesinden gelmek için konvolüsyon sinir ağı temelli bir yöntem önerildi. Önerilen yöntem, sınıflandırma ve segmentasyondaki başarısı ve hafifliği bilinen MobileNetv2 'nin temelde kullandığı konvolüsyon ve ters artıklı blok yapılarını baz alarak geliştirildi. Yapılan deneysel testler sonucunda, önerilen yöntemin performansı literatürdeki diğer yöntemlere göre daha yüksek olduğu görülmektedir. Bu da, otomatik asfalt çatlak tespitinin daha başarılı olması anlamına gelmektedir.

Anahtar Kelimeler

RDL Kalıcı Bağlantı (PID)
https://rdlopen.rawdatalibrary.net/r/munzur/6550Resmi atıflarda kullanılan kalıcı adres
DOI
https://doi.org/10.35234/fumbd.1014951Yayıncı resmi DOI adresi
İndeks kayıtları
Kaydın indeks veri tabanlarındaki sayfası (aktarımda alınan kayıt numarasıyla). Erişim, indeksin kendi koşullarına bağlıdır.
Atıflar
OpenAlex
8
TR Dizin
7
Her kaynağın kendi saydığı toplam atıf; aktarım ve zenginleştirme sırasında alındı.
Tam Kayıt
AlanDeğerDil
dc.contributor.authorErgen, Burhan
dc.contributor.authorDoğan, Gürkan
dc.date.accessioned2026-10-28T15:11:45.260964219Z
dc.date.available2026-10-28T15:11:45.260964219Z
dc.date.issued2022
dc.description.abstractKarayolu yüzeyindeki asfalt çatlakları en yaygın kaplama hasarlarından biridir. Bu çatlaklar zamanında tespit edilip bakıma alınmazsa büyüyerek trafik güvenliğini ve yoğunluğunu arttıracak boyutlara ulaşmaktadır. Bu nedenle, asfalt çatlaklarının tespitinin hızlı bir şekilde gerçekleştirilmesi çok önemlidir. Geleneksel manuel çatlak tespiti, son derece zaman alıcı, çok maliyetli ve çok çaba gerektirir. Bu nedenle, araştırmacılar odaklarını otomatik asfalt çatlaklarının tespitine yoğunlaştırdılar. Ancak, son yıllarda otomatik çatlak tespiti kapsamlı olarak araştırılmasına rağmen çatlakların farklı yoğunluğa sahip olması ve kaplama ortamının karmaşıklığı nedeniyle hala zor bir görevdir. Bu çalışmada, bu zorluğun üstesinden gelmek için konvolüsyon sinir ağı temelli bir yöntem önerildi. Önerilen yöntem, sınıflandırma ve segmentasyondaki başarısı ve hafifliği bilinen MobileNetv2 'nin temelde kullandığı konvolüsyon ve ters artıklı blok yapılarını baz alarak geliştirildi. Yapılan deneysel testler sonucunda, önerilen yöntemin performansı literatürdeki diğer yöntemlere göre daha yüksek olduğu görülmektedir. Bu da, otomatik asfalt çatlak tespitinin daha başarılı olması anlamına gelmektedir.
dc.identifier.doi10.35234/fumbd.1014951
dc.identifier.endpage494
dc.identifier.issn1308-9072
dc.identifier.issue2
dc.identifier.startpage485
dc.identifier.urihttps://rdlopen.rawdatalibrary.net/r/munzur/6550
dc.identifier.volume34
dc.language.isotr
dc.relation.ispartofFırat Üniversitesi Mühendislik Bilimleri Dergisi
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectBilgisayar Bilimleri, Yazılım Mühendisliği
dc.subjectİnşaat Mühendisliği
dc.subjectİnşaat ve Yapı Teknolojisi
dc.subjectBilgisayar Bilimleri, Teori ve Metotlar
dc.subjectBilgisayar Bilimleri, Yapay Zeka
dc.titleKarayollarındaki Asfalt Çatlaklarının Tespiti İçin Yeni Bir Konvolüsyonel Sinir Ağı Tabanlı Yöntem
dc.typeArticle
rdl.citation.openalex8
rdl.citation.trdizin7
rdl.oa.statusgold
rdl.oa.urlhttps://doi.org/10.35234/fumbd.1014951
rdl.sdgSDG09
rdl.source.indexTRDIZIN