YOL GÖRÜNTÜSÜ VE HAREKET DUYARGA VERİLERİNİ KULLANARAKOTOMATİK YOL ANORMALLİĞİ TESPİTİ

Abstract

Köprüler, barajlar, betonarme yapılar ve karayolu gibi farklı yapılarda oldukça önemli olan çatlak tespitinin görüntü işleme ve sınıflandırma ile tespiti yapılabilir. Karayollarında oluşan çatlakların tespit edilmesi trafik yoğunluğunun azaltılmasını, kazaların önlenmesini, yol denetçilerinin iş yükünün hafiflemesini ve yol bakımının daha iyi yapılmasını sağlar. Asfaltlarda bulunan çatlakların ve kusurların manuel olarak incelenmesi, yorgunluk, sorumsuz denetim, zayıf göz görme gibi bir dizi nedenden dolayı insan hata olasılığı yüksektir. Çatlakların tespiti ve analizi için son yıllarda görüntü işleme ve makine öğrenmesi teknikleri kullanılmıştır. Bu teknikler belirleme ve sınıflandırma ile otomatik olarak gerçekleştirilmesine yoğunlaşılmıştır. Karayolu gerçek koşullarının sürekli haritalanması, tutarlı bir kaynak tahsisi ile birlikte yeterli altyapının bakım ve yönetim işlemlerine de izin verir. Bu nedenle, yol kullanıcılarını altyapı kalitesi konusunda bilgilendirmek ve aynı kullanıcılardan bilgi almak, güvenli bir sürüş için, navigasyon için mobil cihaz uygulamalarının (güvenlik yolu için özel bir sosyal ağ gibi) yeni sınırı haline gelmiştir. Bu çalışmada yol yüzey kalitesinin izlenmesi ve tam yol sahne envanter görüntüleri için kullanışlı bir otomatik algılama sistemini gerçekleştirilmiştir. Temel amaç karayolu ve beton yapılarda bulunan çatlakları tespit etmenin optimal yolunu bulmaktır. Yapılan uygulamalar VGG-16 mimarisi, Evrişimsel Sinir Ağı ve Gabor Filtresi gibi yapılar kullanılarak görüntülerden çatlak tespitine odaklanmaktadır.

Crack detection, which is very important in different structures such as bridges, dams, reinforced concrete structures and highways, can be detected by image processing and classification. Detection of cracks on highways reduces traffic density, prevents accidents, eases the workload of road inspectors and provides better road maintenance. The possibility of human error is high due to a number of reasons such as manual inspection of cracks and defects found in asphalt, fatigue, irresponsible inspection, poor eye vision. Image processing and Machine Learning techniques have been used in recent years for the detection and analysis of cracks. These techniques are focused on identification and classification and automatic realization. Continuous mapping of road real conditions allows for the maintenance and management of adequate infrastructure along with a consistent resource allocation. Therefore, informing road users about the quality of infrastructure and getting information from the same users has become the new frontier of mobile device apps for navigation (like a private social network for safety road) for safe driving. In this study, a useful automatic detection system has been implemented for monitoring road surface quality and full road scene inventory images. The main goal is to find the optimal way to detect cracks found in roads and concrete structures. The applications focus on crack detection from images using structures such as VGG16 architecture, Convolutional Neural Network and Gabor Filter.