Açıklanabilir Yapay Zekâ Tabanlı Denetimsiz Öğrenme ile Ray Kusur Tespiti-Reference-Cited by-同舟云学术

Açıklanabilir Yapay Zekâ Tabanlı Denetimsiz Öğrenme ile Ray Kusur Tespiti

Published:2023-07-31 Issue:18 Volume: Page:1-13
ISSN:2149-1607
Container-title:Demiryolu Mühendisliği
language:
Short-container-title:

Author:

KIRAT Selçuk Sinan¹^ORCID,AYDIN İlhan¹^ORCID

Affiliation:

1. FIRAT ÜNİVERSİTESİ

Abstract

Demiryolları insanı ve yükünü geçmişten günümüze kadar taşımış, artan ilgi ve talep nedeniyle gelecekte de taşımaya devam edecektir. Demiryollarında güvenli seyir için ray sağlamlığının otonom olarak tespit edilip önceden önlem alınması önem arz etmektedir. Yapay zekâ tabanlı bilgisayarlı görü uygulamaları kapsamında derin öğrenme modelleri ile otonom kusur tespiti yapılabilmektedir. Son yıllarda açıklanabilir yapay zeka yaklaşımı kusur (anomali) tespitinde popüler olmuştur. Sistem tarafından tespit edilen kusurun, niçin kusurlu olduğunun asıl karar verici olan insana açıklanması gerekmektedir. Bu çalışmada ray yüzey kusurlarını içeren etiketsiz görüntü veri seti ile sınıflandırıcı katmanları özelleştirilmiş Vgg16 ve MobileNetV3 Small ağları eğitilmiştir. Denetimsiz öğrenme ile etiketsiz verilerden sağlam rayların özelliklerini öğrenen ağlara, test için verilen görüntülerdeki kusurlar tespit ettirilmiştir. Kusurlar açıklama haritaları ile kullanıcıya gösterilmiştir. Ağların sınıflandırma başarısında Vgg16 %98, MobileNetV3 Small %96 doğruluk seviyesine ulaşırken, kusurlu bölgenin işaretlenmesini sağlayan açıklama haritalarında Vgg16’nin daha isabetli çıkarımlar yaptığı gözlemlenmiştir.

Funder

Fırat Üniversitesi Bilimsel Araştırma Projeleri Birimi

Publisher

Demiryolu Muhendisligi Dergisi, Demiryolu Muhendisleri Dernegi

Subject

Energy Engineering and Power Technology,Fuel Technology

Reference29 articles.

1. [1] V. Çakmak and A. Altaş, “Sosyal Medya Etkileşiminde Tren Yolculukları: DOĞU EKSPRESİ İle İlgili Youtube Paylaşım Videolarının Analizi,” Journal of Tourism and Gastronomy Studies, vol. 6, no. 1, pp. 390–408, Mar. 2018, doi: 10.21325/jotags.2018.194.

2. [2] P. Ravishankar, X. Zhang, and S. Hwang, “Detecting Defects of Railway Tracks by Using Computer Vision Methodology,” in IIE Annual Conference. Proceedings. Institute of Industrial and Systems Engineers (IISE), 2021, pp. 572–577.

3. [3] O. Yaman, “Demiryolu Rayları İçin Gerçek Zamanlı Bulanık Otomata ile Görme Tabanlı Arıza Teşhis Sisteminin Geliştirilmesi,” Doktora Tezi, Fırat Üniversitesi, Fen Bilimleri Enstitüsü, 2018.

4. [4] J. McCarthy, What is AI?, 2007. [Online]. Available: http://www-formal.stanford.edu/jmc/

5. [5] M. S. Bingöl, Ç. Kaymak, and A. Uçar, “Derin Öğrenme Kullanarak Otonom Araçların İnsan Sürüşünden Öğrenmesi,” Fırat Üniversitesi Mühendislik Bilimleri Dergisi, vol. 31, no. 1, pp. 177–185, 2019.

Cited by 2 articles. 订阅此论文施引文献订阅此论文施引文献，注册后可以免费订阅5篇论文的施引文献，订阅后可以查看论文全部施引文献

1. Demiryolu Ray ve Çevresinin Anlamlandırılması için Derin Öğrenme Tabanlı Yöntemlerin Karşılaştırmalı Analizi;Demiryolu Mühendisliği;2024-01-31

2. Ray Yüzey Kusurları ve Ray Kırıklarının Evrişimli Artık Ağ Modeli ile Sınıflandırılması;Demiryolu Mühendisliği;2024-01-31