Demiryollarında bulunan bağlantı elemanları, raylı sistemlerin en önemli bileşenidir. Bağlantı elemanları, diğer bileşenleri birbirine bağlar ve trenin raylar üzerinde güvenli bir şekilde hareket etmesini sağlar. Bu nedenle, hasarlı bağlantı elemanlarının tespiti, demiryolu taşımacılığının güvenliğini sağlamak için önemlidir. Bağlantı elemanlarının kontrolü genellikle eğitimli çalışanlar tarafından görsel olarak yapılır. Güvenlik standartlarını sağlayabilmek için binlerce kilometrelik hat, insanlar tarafından denetlenmelidir. Ancak bu yöntem, hız açısından oldukça sınırlıdır ve ihmallere neden olabilir. Bu nedenle, otomatik denetim sistemlerinin geliştirilmesine ihtiyaç vardır. Bu çalışmada, kırık bağlantı elemanlarını tespit etmek için, YOLOv4 ve bulanık mantık yapısına dayanan yeni bir yöntem önerilmiştir. Bağlantı elemanı görüntüsü 6 ayrı parçaya bölünerek etiketlenmiştir. Bağlantı elemanı görüntülerine YOLOv4 algoritmasının uygulanması ile 6 parçanın güven değerleri oluşturulmuştur. Oluşan 6 farklı güven değeri bulanık mantık yapısı için giriş değeri olarak verilmiştir ve bağlantı elemanının sağlık durumu hakkında yüzde cinsinden sonuç değeri üretilmiştir. Deney sonuçları, doğru tespit oranının %99 üzerinde olduğunu göstermiştir.

A fastener is an important component used to fix the rail in railways. Defects in this component cause the rail and ballast to remain unstable. If the defective fasteners are not replaced in time, it is inevitable that the train will derail, and seri...

Unmanned aerial vehicles (UAV) are frequently used in many areas today. Examination of defects in railways using UAV is a relatively new application for UAVs. By enabling the UAV to follow the railroad autonomously, the investigation reduces the cost and speeds up the monitoring process. However, in such an application, it is an important issue that the path detection and tracking algorithm works well. This study focuses on autonomous tracking of the railway using UAV. In the proposed rail tracking algorithm, firstly, a ray detection algorithm based on Gabor filter is proposed to detect the rails from the image taken by the UAV. The vanishing point was estimated by applying the least squares method to the obtained rail lines. Finally, the vanishing point was kept in the center of the image taken using the PID controller. A fuzzy system is designed to tune the PID control parameters. While the vanishing point was kept in the center of the image, the UAV was moved forward at a constant speed. In this way, the forward movement of the UAV was provided by centering the railway. The experimental results show that the algorithm works satisfactorily for the movement of the UAV by centering the railway.

Demiryolları, genellikle aralarında belirli mesafe ile monte edilen traversler aracılığıyla balast altyapısı tarafından desteklenen çelik raylardan oluşur. Traversler ve bağlantı elemanları demiryollarının önemli bileşenleridir. Bu nedenle, bu bileşenlerin eksikliği, önemli sorunlara yol açabilir. Ancak, traverslerin denetlenmesi ve gerçek demiryolu sahasında travers eksikliklerinin tespiti için teknoloji eksikliği vardır. Bu çalışma, demiryollarında bulunan traverslerin kayma ve eksiklik durumlarını incelemek için otonom İHA uçuş kontrol yöntemi önermektedir. Çalışma, otonom ray takibi ve travers kusurlarını inceleme olmak üzere ikiye ayrılmaktadır. İlk bölümde İHA’nın, demiryolunu otonom olarak gezinerek veri toplayabilmesi için ray takip algoritması geliştirilmiştir. İkinci bölümde, Mask R-CNN, travers tanıma ve eksiklik tespiti için eğitilmiştir. Tespit oranını ve verimliliğini artırmak amacıyla travers eksiklik tespiti için Mask R-CNN kullanılmıştır. Travers tespitinden sonra traversler arası mesafeler ölçülerek traverslerdeki eksiklikler tespit edilmiştir. Çalışmanın sınıflandırma başarı oranı %97’dir. Uygulanan yöntem geleneksel yöntemlere kıyasla maliyetleri önemli ölçüde azaltmaktadır. Bu çalışma, travers eksikliklerinin tespiti ile mevcut rayların denetlenmesi için değerli olup, geleneksel yöntemlere kıyasla maliyetleri önemli ölçüde azaltmaktadır.

Bu çalışmada, çelik yüzeylerdeki kusurların tespiti için topluluk öğrenme tabanlı bir gelişmiş segmentasyon yöntemi sunulmuştur. Günümüzde, çelik üretim süreçlerinde kalite kontrolün önemi artmakta ve kusur tespiti teknolojilerine olan ihtiyaç hızla büyümektedir. Bu bağlamda, çeşitli çelik yüzey kusurlarını doğru bir şekilde tespit edebilen ve bölütleyebilen güçlü bir modele ihtiyaç vardır. Önerilen sistem, derin öğrenme tabanlı çoklu model yaklaşımlarını topluluk öğrenme ile birleştirerek, segmentasyon doğruluğunu önemli ölçüde artırmaktadır. Kullanılan topluluk öğrenme stratejisi, farklı mimarilere sahip birden fazla derin öğrenme modelinin güçlü yönlerini bir araya getirerek, sistemimizin genel performansını iyileştirmekte ve çeşitli kusur türlerine karşı daha duyarlı hale getirmektedir. Bu yaklaşım, geniş bir veri seti üzerinde test edilmiş ve %77,98 mIoU oranı elde ederek mevcut tekil model tabanlı yöntemlere kıyasla önemli bir performans artışı göstermiştir. Sonuçlar, önerilen topluluk öğrenme tabanlı segmentasyon yönteminin, çelik yüzeylerdeki kusurların tespiti konusunda etkili bir çözüm sunduğunu ve endüstriyel kalite kontrol süreçlerinde potansiyel uygulamalara sahip olduğunu ortaya koymaktadır.