Deri̇n Öğrenme İle Asfalt Çatlaklarinin Tespi̇ti̇nde Veri̇ Artirimi Ve Evri̇şi̇msel Blok Seçi̇mi̇ni̇n Etki̇si̇
Year: 2024
Type: article
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.
Authors: Zahide Topbaş, Özlem Erdaş Çiçek, Şaban Gülcü
Institution: Necmettin Erbakan University
Language: Turkish
Subfield: Civil and Structural Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4401913602