Akıllı Şehirler için Özellik Çıkarımı ve Makine Öğrenmesi Tabanlı Asfalt Durum İzleme Yaklaşımı

Mehmet BAYĞIN; Orhan YAMAN; Türker TUNCER

Makale detayları

Akıllı Şehirler için Özellik Çıkarımı ve Makine Öğrenmesi Tabanlı Asfalt Durum İzleme Yaklaşımı

Yazarlar:

Mehmet BAYĞIN | Orhan YAMAN | Türker TUNCER

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 23, pp.81-88

Belge Tipi:

Makale

Yayın Tarihi:

4/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000917902

Sıklık:

Üç Aylık

eISSN:

2148-2683

Anahtar kelimeler:

Özet:

 


Road transport is a transportation method that is frequently used today, and it is constantly evolving in order for vehicles to travel more safely. The basic coating material used on highways is asphalt. Asphalt material can deform and wear out due to heavy traffic use, especially over time This study aims to detect deformed and worn asphalt with image processing method and classify it as healty or faulty. For this purpose, a total of 3912 asphalt images were collected through a camera mounted on a road vehicle. First of all, the average pooling method was applied to these images and the images were subjected to a pre-processing. With this algorithm, size reduction was performed on the images. After the pre-processing step, feature extraction from the images was made using the Histogram of Oriented Gradients (HOG) method. After this process, feature selection was applied with the Chi-Square method and the most weighted attributes were obtained. Finally, these features were classified using Support Vector Machines (SVM) method and the results obtained were evaluated in terms of performance. Accuracy, precision, recall, geometric mean and f-score values were calculated as performance metrics. As a result of the proposed method, an accuracy of 96.5% was obtained. By applying the method tested within the scope of the study, it has been revealed that the wearing of the asphalt coating material can be understood without human intervention. Machine learning based automatic fault detection method has been developed in this process where continuous control is very difficult. In this way, it has contributed to the reduction of asphalt maintenance and repair costs for a safer driving experience. The results obtained were discussed in the light of the literature and the success of the method is supported by the literature.

.

 

Karayolu taşımacılığı günümüzde sıklıkla kullanılan bir taşımacılık yöntemi olup, araçların daha güvenlikli bir yolculuk yapabilmesi amacıyla sürekli gelişim göstermektedir. Karayollarında kullanılan temel kaplama malzemesi asfalttır. Asfalt malzemesi ise özellikle başta zaman olmak üzere, yoğun trafik kullanımına bağlı olarak deforme olabilmekte ve yıpranmaktadır. Bu ve benzeri durumların önüne geçebilmek amacıyla, bu çalışmada sağlam ve arızalı asfalt görüntülerinin otomatik tespiti ve sınıflandırılması gerçekleştirilmiştir. Bu amaçla bir karayolu aracına monte edilen kamera aracılığıyla toplam 3912 adet asfalt görüntüsü toplanmıştır. Öncelikle bu görüntülere ortalama havuzlama yöntemi uygulanmış ve görüntüler bir ön işlemeye tabi tutulmuştur. Bu algoritma ile görüntülerde boyut azaltma işlemi yapılmıştır. Ön işleme adımından sonra yönlendirilmiş gradyan histogramı (HOG) yöntemi kullanılarak görüntülerden özellik çıkarımı yapılmıştır. Bu işlemden sonra Ki-Kare yöntemi ile özellik seçimi uygulanmış ve en ağırlıklı öz nitelikler elde edilmiştir. Son olarak elde edilen bu özellikler destek vektör makinleri (SVM) yöntemi kullanılarak sınıflandırılmış ve elde edilen sonuçlar performans yönünden değerlendirilmiştir. Performans metrikleri olarak doğruluk, kesinlik, duyarlılık, geometrik ortalama ve f-skor değerleri hesaplanmıştır. Önerilen yöntem sonucunda %96.5 oranında bir doğruluk elde edilmiştir. Çalışma kapsamında elde edilen yöntemin uygulanmasıyla asfalt kaplama malzemesinin insan müdahalesine gerek kalmadan izlenebilmesi sağlanmıştır. Sürekli kontrolün oldukça zor olduğu bu işlemde makine öğrenmesi tabanlı otomatik arıza tespit yöntemi geliştirilmiştir. Bu sayede bakım, onarım giderlerinin azaltılması ve daha güvenli bir sürüş deneyimi yaşanması hedeflenmiştir. Elde edilen sonuçlar, literatürde yer alan çalışmalar ile karşılaştırıldığında yöntemin başarılı olduğu görülmektedir.

Makale detayları

Akıllı Şehirler için Özellik Çıkarımı ve Makine Öğrenmesi Tabanlı Asfalt Durum İzleme Yaklaşımı

Yazarlar:

Mehmet BAYĞIN | Orhan YAMAN | Türker TUNCER

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 23, pp.81-88

Belge Tipi:

Makale

Yayın Tarihi:

4/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000917902

Sıklık:

Üç Aylık

eISSN:

2148-2683

Asfalt Durum İzleme

Arıza Tespiti

HOG Özellik Çıkarımı

SVM Sınıflandırma

Sayı

Makale detayları

Akıllı Şehirler için Özellik Çıkarımı ve Makine Öğrenmesi Tabanlı Asfalt Durum İzleme Yaklaşımı

Yazarlar: Mehmet BAYĞIN | Orhan YAMAN | Türker TUNCER

Yayıncı: Osman SAĞDIÇ

Ana Başlıklar: Uygulamalı fizik

Dergi: European Journal of Science and Technology 2021 Vol. Issue 23, pp.81-88

Belge Tipi: Makale

Yayın Tarihi: 4/2021

Belge Dili: Türkçe

Document ID (Org No.): 2000917902

Sıklık: Üç Aylık

eISSN: 2148-2683

Asfalt Durum İzleme

Arıza Tespiti

HOG Özellik Çıkarımı

SVM Sınıflandırma

Sayı

Yazarlar:

Mehmet BAYĞIN | Orhan YAMAN | Türker TUNCER

Yayıncı:

Osman SAĞDIÇ

Ana Başlıklar:

Uygulamalı fizik

Dergi:

European Journal of Science and Technology 2021 Vol. Issue 23, pp.81-88

Belge Tipi:

Makale

Yayın Tarihi:

4/2021

Belge Dili:

Türkçe

Document ID (Org No.):

2000917902

Sıklık:

Üç Aylık

eISSN:

2148-2683