DERİN ÖĞRENME İLE ASFALT ÇATLAKLARININ TESPİTİNDE VERİ ARTIRIMI VE EVRİŞİMSEL BLOK SEÇİMİNİN ETKİSİ

Author:

Topbaş Zahide1ORCID,Erdaş Çiçek Özlem2ORCID,Gülcü Şaban2ORCID

Affiliation:

1. NECMETTİN ERBAKAN ÜNİVERSİTESİ, FEN BİLİMLERİ ENSTİTÜSÜ

2. NECMETTİN ERBAKAN ÜNİVERSİTESİ, MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ

Abstract

Petrolün rafine işlemi sonucu yan bir ürün olarak oluşan asfalt, yol çalışmalarında kullanılan en önemli malzemelerdendir. Asfalt yollarda trafik, iklim ve çevre, yapım ve tasarım hataları, malzeme hataları gibi etkenlerden dolayı deformasyonlar, ayrışmalar ve çatlaklar meydana gelmektedir. Bu bozulmalar asfalt yolun kalitesini düşürmekte ve kazalara sebep olmaktadır. Bu çalışma, onarım ve altyapı iyileştirmelerinin sağlanması için çatlaklar gibi asfalt hasarlarının tespitini iyileştirmeyi amaçlamaktadır. Çalışma kapsamında, Mendeley Data'nın "Asfalt Çatlak Veri Seti" üzerinde eğitilmiş bir derin öğrenme modelini kullanarak, çatlak görüntüleri %96'yı aşan bir doğruluk oranıyla sınıflandırılmıştır. Bu araştırma, derin sinir ağlarının endüstriyel uygulamalarda kullanımının ürün kalitesini iyileştirme potansiyelini ortaya koymaktadır.

Publisher

Adiyaman University

Reference35 articles.

1. B. Kesayak, “Endüstri Tarihine Kısa Bir Yolculuk,” https://www.endustri40.com/endustri-tarihine-kisa-bir-yolculuk/.

2. “Yol Ağı Bilgileri,” https://www.kgm.gov.tr/Sayfalar/KGM/SiteTr/Kurumsal/YolAgi.

3. “Asfalt Yollarda Meydana Gelen Kusur ve Hasar Çeşitleri,” https://insapedia.com/asfalt-yollarda-meydana-gelen-kusur-ve-hasar-cesitleri.

4. A. Erbaş and D. İlek, “Son dakika haberi... Karadeniz Sahil Yolu’nda ‘çatlak’ tehlikesi,” https://www.hurriyet.com.tr/gundem/yolda-catlak-tehlikesi-ekipler-hemen-harekete-gecti-41715204, Rize, 2021.

5. A. Şeker, B. Diri, and H. H. Balık, “Derin Öğrenme Yöntemleri ve Uygulamaları Hakkında Bir İnceleme,” Gazi Mühendislik Bilimleri Dergisi , vol. 3, no. 3, pp. 47–64, 2017.

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3