The Effect Of Data Augmentation And Convolutional Block Selection On The Detection Of Asphalt Cracks With Deep Learning

OpenAlex Türkçe

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.