Detection of Concrete Surface Cracks from Uav Images Using Yolo Architectures

Ebrar Ödübek; Muhammed Enes Atik

Makale detayları

Detection of Concrete Surface Cracks from Uav Images Using Yolo Architectures

Yazarlar:

Ebrar Ödübek | Muhammed Enes Atik

Yayıncı:

Adıyaman University

Ana Başlıklar:

Bilgisayar Görüşü | Görüntü İşleme | Derin Öğrenme

Dergi:

Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi Vol.12 Issue 26, pp.159-172

Belge Tipi:

Makale

Yayın Tarihi:

8/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001348220

pISSN:

2149-0309

Anahtar kelimeler:

Özet:

 The inspection of the structural integrity of constructions such as bridges, dams, and towers is critical to creating a healthy and reliable environment. Detecting surface cracks is of strategic importance in monitoring structural integrity. Due to the high performance required for manual detection of surface cracks, it often leads to lower accuracy in hard-to-reach and risky structures, as it relies heavily on human effort. The seemingly mild and harmless appearance of surface cracks on structures can become more dangerous over time and under varying weather conditions. Detecting surface cracks using deep learning techniques has provided a solution to the high cost, time, and labor problems caused by manual methods. In this study, a comparative analysis was conducted on detecting cracks on concrete surfaces using the latest versions of the You Only Look Once YOLO algorithm, which enables single-stage object detection. The CRACK dataset, which is publicly available and consists of UAV images, was used in the study. It was concluded that the YOLOv9s algorithm achieved the highest accuracy with a mean average precision mAP of 0.885.

 The inspection of the structural integrity of constructions such as bridges, dams, and towers is critical to creating a healthy and reliable environment. Detecting surface cracks is of strategic importance in monitoring structural integrity. Due to the high performance required for manual detection of surface cracks, it often leads to lower accuracy in hard-to-reach and risky structures, as it relies heavily on human effort. The seemingly mild and harmless appearance of surface cracks on structures can become more dangerous over time and under varying weather conditions. Detecting surface cracks using deep learning techniques has provided a solution to the high cost, time, and labor problems caused by manual methods. In this study, a comparative analysis was conducted on detecting cracks on concrete surfaces using the latest versions of the You Only Look Once YOLO algorithm, which enables single-stage object detection. The CRACK dataset, which is publicly available and consists of UAV images, was used in the study. It was concluded that the YOLOv9s algorithm achieved the highest accuracy with a mean average precision mAP of 0.885.

 The inspection of the structural integrity of constructions such as bridges, dams, and towers is critical to creating a healthy and reliable environment. Detecting surface cracks is of strategic importance in monitoring structural integrity. Due to the high performance required for manual detection of surface cracks, it often leads to lower accuracy in hard-to-reach and risky structures, as it relies heavily on human effort. The seemingly mild and harmless appearance of surface cracks on structures can become more dangerous over time and under varying weather conditions. Detecting surface cracks using deep learning techniques has provided a solution to the high cost, time, and labor problems caused by manual methods. In this study, a comparative analysis was conducted on detecting cracks on concrete surfaces using the latest versions of the You Only Look Once YOLO algorithm, which enables single-stage object detection. The CRACK dataset, which is publicly available and consists of UAV images, was used in the study. It was concluded that the YOLOv9s algorithm achieved the highest accuracy with a mean average precision mAP of 0.885.

 Köprü, baraj ve kule gibi yapıların sağlamlığının denetlenmesi, sağlıklı ve güvenilir bir çevre ortamının oluşturulmasında kritik öneme sahiptir. Yüzey çatlaklarının tespiti, yapı sağlamlığının denetlenmesinde stratejik öneme sahiptir. Yapı yüzeylerindeki çatlakların hafif ve zararsız görünümü değişen zaman ve hava koşullarıyla daha tehlikeli hale gelebilmektedir. Yüzey çatlaklarının manuel yöntemlerle tespitinin gerçekleştirilmesi insan gücüne dayalı yüksek performans gerektirdiğinden ulaşılması zor ve riskli yapılarda düşük doğruluğa sebebiyet verebilmektedir. Derin öğrenme teknikleriyle yüzey çatlaklarının tespitinin gerçekleştirilmesi, manuel yöntemlerin yaratmış olduğu yüksek maliyet, zaman ve iş gücü problemlerine bir çözüm sunmaktadır. Bu çalışmada tek aşamalı nesne tespitini sağlayan You Only Look Once YOLO algoritmasının güncel versiyonlarının beton yüzeylerindeki çatlakları tespit performansları karşılaştırmalı şekilde analiz edilmiştir. Çalışmada, insansız hava aracı İHA görüntülerinden oluşan açık kaynak şeklinde sunulan CRACK veri seti kullanılmıştır. YOLOv9s 0.885 mean average precision mAP değeriyle en yüksek doğruluğa sahip algoritmadır.

Makale detayları

Detection of Concrete Surface Cracks from Uav Images Using Yolo Architectures

Yazarlar:

Ebrar Ödübek | Muhammed Enes Atik

Yayıncı:

Adıyaman University

Ana Başlıklar:

Bilgisayar Görüşü | Görüntü İşleme | Derin Öğrenme

Dergi:

Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi Vol.12 Issue 26, pp.159-172

Belge Tipi:

Makale

Yayın Tarihi:

8/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001348220

pISSN:

2149-0309

Unmanned aerial vehicle

Deep learning

Object detection

YOLO

Concrete surface cracksİnsansız hava aracı

Derin öğrenme

Nesne tespiti

YOLO

Beton yüzeyi çatlakları

Sayı

Makale detayları

Yazarlar: Ebrar Ödübek | Muhammed Enes Atik

Yayıncı: Adıyaman University

Ana Başlıklar: Bilgisayar Görüşü | Görüntü İşleme | Derin Öğrenme

Dergi: Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi Vol.12 Issue 26, pp.159-172

Belge Tipi: Makale

Yayın Tarihi: 8/2025

Belge Dili: Türkçe

Document ID (Org No.): 2001348220

pISSN: 2149-0309

Sayı

Yazarlar:

Ebrar Ödübek | Muhammed Enes Atik

Yayıncı:

Adıyaman University

Ana Başlıklar:

Bilgisayar Görüşü | Görüntü İşleme | Derin Öğrenme

Dergi:

Adıyaman Üniversitesi Mühendislik Bilimleri Dergisi Vol.12 Issue 26, pp.159-172

Belge Tipi:

Makale

Yayın Tarihi:

8/2025

Belge Dili:

Türkçe

Document ID (Org No.):

2001348220

pISSN:

2149-0309