GERÇEK ZAMANLI RAY TAKİBİ İÇİN OTONOM İHA ALGORİTMALARININ GELİŞTİRİLMESİ VE GÜRBÜZ DERİN ÖĞRENME TABANLI KUSUR TESPİTİ

Abstract

Son yıllarda, demiryolu taşımacılığının kullanımı yüksek hızlı trenlerin de gelişimiyle önemli ölçüde artmıştır. Demiryolu ulaşımına olan bu talep sonucunda, dünyada ve ülkemizde demiryolu uzunluğu büyük ölçüde artırmaktadır. Bu nedenle, demiryolu bakımına olan talep de hızla artmış ve acil hale gelmiştir. Demiryolu bakımı için denetleme, demiryolu bileşenlerindeki kusurları aramak ve doğrulamak için önemli bir görevdir. Demiryolu bileşenlerinde meydana gelebilecek kusurlar, ulaşım güvenliğini önemli ölçüde etkiler. Hâlihazırda kullanılan denetim yöntemleri, temaslı ölçüm tekniklerine ve insan algılamasına bağlıdır. Bu nedenle geleneksel denetim, yavaş, öznel ve verimsizdir. Bu dezavantajların ve sınırlamaların üstesinden gelmek için bu çalışmada, otonom İHA (İnsansız Hava Aracı) bilgisayarlı görme tabanlı yeni bir yöntem önerilmiştir. Demiryolu kusurlarının tespiti için İnsansız Hava Araçlarının kullanılması, geleneksel tekniklerden daha düşük denetim süreleri sunan uygun maliyetli bir yaklaşımdır. Son yıllarda, İHA'lar, işlem gücündeki gelişmeler ve sensörlerin ve bileşenlerinin küçülmesi hem askeri hem de sivil uygulamalar için ilgiyi artırmaktadır. Özellikle uçuş sürelerinin artması İHA'ların arıza tespit alanında kullanılabilecek seviyede olduğunu göstermektedir. Tezde, demiryolunun İHA tarafından otonom olarak takibi için algoritmalar geliştirilip İHA tarafından elde edilen görüntüler üzerinde derin öğrenme tabanlı kusur tespiti yapılmıştır.

In recent years, the use of rail transport has increased significantly with the development of high-speed trains. As a result of this demand for railway transportation, the length of the railway in the world and in our country is greatly increased. Therefore, the demand for railway maintenance has also increased rapidly and become urgent. Inspection for railway maintenance is an important task to look for and verify defects in railway components. Defects that may occur in railway components significantly affect transportation safety. Control methods currently used depend on contact measurement techniques and human perception. This is why traditional auditing is slow, subjective, and inefficient. In order to overcome these disadvantages and limitations, a new autonomous UAV (Unmanned Aerial Vehicle) computer vision-based method is proposed in this study. The use of Unmanned Aerial Vehicles for the detection of railway defects is a cost-effective approach that offers lower inspection times than traditional techniques. In recent years, UAVs, improvements in processing power, and the shrinking of sensors and their components have increased interest for both military and civilian applications. In particular, the increase in flight times shows that UAVs are at a level that can be used in the field of fault detection. In the thesis, algorithms were developed for autonomous tracking of the railway by the UAV and deep learning-based defect detection was performed on the images obtained by the UAV.