Beton Yüzey Çatlaklarının YOLOv8 Derin Öğrenme Algoritması ile Tespit Edilmesi

Authors : Muhammet Gökhan Altun, Ahmet Hakan Altun

Pages : 667-678

Doi:10.21605/cukurovaumfd.1560104

View : 67 | Download : 141

Publication Date : 2024-10-03

Article Type : Research Paper

Abstract :Beton kullanım ömrü boyunca takip edilmeli, varsa hasarlar tespit edilmeli ve gerekli işlemler zamanında yapılmalıdır. Bundan dolayı doğru zamanda doğru tespit betonun dayanıklılığı açısından oldukça önemlidir. Çatlaklar, betonarme yapıların zarar gördüğünün en erken sinyalleridir. Türkiye gibi deprem riski yüksek bölgelerde yapıların dayanıklılığı ve güvenliği açısından çatlakların erken tespiti hayati öneme sahiptir. Çatlakları manuel olarak tespit etmek genellikle zaman, işgücü, maliyet, yüksek hata olasılığı ve uygulamadaki zorluklar açısından oldukça dezavantajlıdır. Manuel tespite alternatif olarak görüntü işleme teknikleri, makine öğrenmesi ve derin öğrenme tabanlı algoritmaların bu alanda kullanımı yaygınlaşmaktadır. Bu çalışmada, Orta Doğu Teknik Üniversitesi kampüsündeki farklı binalardan elde edilen görüntülerden oluşan METU veri kümesi kullanılarak beton yüzeyindeki çatlakların görüntü işleme yöntemi ile tespit edilmesi amaçlanmıştır. Veri kümesinden 550 adet örnek görüntü seçilmiş olup bu görüntülerin 500 adedi pozitif, kalan 50 adedi ise negatif görüntüden oluşmaktadır. Veri seti çeşitli veri artırma teknikleri ile 1330 örneğe genişletilmiştir. Veri seti %88 eğitim, %8 doğrulama, %4 test kümesi olarak bölünmüştür. Sonuç olarak 1170 adet görüntü eğitim, 105 adet görüntü doğrulama ve 55 adet görüntü ise test için kullanılmıştır. Eğitim işlemi Google Colab ortamında gerçekleştirilmiştir. Model olarak YOLO serisinden YOLOv8 modeli kullanılmıştır. Elde edilen sonuçlara göre modelin çatlak tahminlerinde çok az yanlış pozitif sonuç verdiği ve farklı sınıfları ayırt etmede yüksek başarı gösterdiği tespit edilmiştir.
Keywords : Beton, Çatlak tespiti, Görüntü işleme