YAPI FİZİĞİ SORUNLARININ EVRİŞİMSEL SİNİR AĞLARI İLE TESPİT EDİLMESİ

Abstract

Binalar uzun yıllar kullanılmak üzere ihtiyaç duyulan fonksiyonları sağlıklı bir şekilde yerine getirebilmek için üretilirler. Zaman içerisinde farklı sebeplerden dolayı bünyelerinde meydana gelen yapı fiziği hasarlarının çözüme kavuşturulması, yapıların sağlıklı bir şekilde işlevini yerine getirebilmesi ve sürdürülebilirlik açısından büyük önem arz etmektedir. Hasarların zamanında ve doğru tespit edilmesi ise, sorunların çözüme ulaştırılabilmesi adına en önemli aşamadır. Bu durum ileri aşamalarda yapılacak olan onarım çalışmalarının düzgün bir şekilde ilerleyebilmesine ve onarımın maliyetlerine doğrudan etki etmektedir. Yapı fiziği sorunlarının tespiti için farklı yaklaşımlar bulunmakta bunlardan çıplak gözle tespit etmeye çalışmak öznel yargılar içermekte, tahribatlı yöntemler ise yapıya zarar vermektedir. Bu tez çalışmasında yapay zeka uygulamalarından olan dijital görüntü işleme yöntemi kullanılarak yapı fiziği hasarlarından bozulmaların, çatlakların ve nem hasarlarının nesnel ve tahribatsız bir şekilde tespit edilmesi amaçlanmıştır. Farklı yapı örneklerine ait yüzeylerden alınmış 5400 adedi hasarlı durumlara ve 1800 adedi ise hasarsız durumlara ait toplam 7200 adet görüntü verisi, Evrişimsel Yapay Sinir ağı kullanılarak makine öğrenmesine tabi tutulmuş ve test verileri sınıflandırılarak uygulama sonuçları elde edilmiştir. Parametre değerleri değiştirilerek uygulama çalışmaları genişletilmiştir. Belirlenen en uygun değerler ile Evrişimsel Sinir Ağlarının kullanımı ile yapı fiziği hasarlarının % 95,21 doğruluk oranıyla tespit edilebildiği görülmüştür. Sonuç olarak görüntü işleme uygulamalarının yapı fiziği hasarlarının tespitinde kullanılabileceği ve farklı sorunlar için yüksek doğruluk oranı ile başarım sağladığı gözlenmiştir. Bu tez çalışması günümüzde çeşitli alanlarda kullanılmakta olan yapay zeka uygulamalarının yapı fiziği sorunlarının tespit edilmesinde kullanılabileceğini ortaya koymaktadır.

Buildings are produced to fulfill the functions needed for many years to be used healthily. It is of great importance to solve the structural physics damages that occur in their structures due to different reasons over time, for the structures to function properly and for sustainability. The timely and accurate detection of damages is the most important step in solving the problems. This situation directly impacts the smooth progress of the repair works to be carried out in the later stages and the costs of the repair. There are different approaches to detecting building physics problems, trying to detect them with the naked eye involves subjective judgments, and destructive methods damage the structure. This thesis aims to objectively and non-destructively detect deteriorations, cracks and moisture damages from structural physics damages by using the digital image processing method, which is one of the artificial intelligence applications. A total of building 7200 image data, 5400 of which were taken from the surfaces of damaged samples, and 1800 of them were taken from undamaged, were subjected to machine learning using a convolutional artificial neural network, and the test data were classified. The application studies were expanded by changing the parameters. It has been observed that structural physics damages can be detected with an accuracy rate of 95,21% with the use of Convolutional Neural Networks with the most appropriate values determined. As a result, it has been seen that image processing applications can be used in the detection of structural physics damages and provide high accuracy for different problems. This thesis study reveals that image processing, one of the artificial intelligence applications used in various fields today, can be used to detect structural physics problems.