Demiryolu Ray ve Çevresinin Anlamlandırılması için Derin Öğrenme Tabanlı Yöntemlerin Karşılaştırmalı Analizi

Abstract

Demiryollarında ray güvenliği tren kazalarının önlenmesi için oldukça önemlidir. Ray çevresinde ve üzerinde bulunan nesneler tren için tehlike arz etmektedir. Dolayısıyla demiryoluna izinsiz girişlerin tespit edilerek trenlerin güvenli çalışması akıllı ulaşım sistemleri için oldukça önemlidir. Bu çalışmada raylı sistemlerde ray çevresinin anlamlandırılması amacıyla görüntü bölütleme tabanlı yaklaşımlar karşılaştırılmış ve ray çevresindeki nesnelerin tespiti sağlanmıştır. Görüntü bölütleme tabanlı ray ve çevresinin anlamlandırılması için UNet, BiSeNetV2, DeepLabV3 ve PP-LiteSeg modelleri karşılaştırmalı olarak analiz edilmiştir. Ayrıca ray çevresindeki nesnelerin tespitinde YOLOv7 uygulanmıştır. Böylece, modellerin gerçek dünya senaryolarında ne kadar başarılı olduğu değerlendirilmiştir. Deneyler sonucunda, hafif yapısıyla dikkat çeken PP-LiteSeg modelinin yüksek segmentasyon performansı gösterdiği tespit edilmiştir. Eğitim aşamasının nesne tespitinde önemli olduğu görülmüş ve PP-LiteSeg'in Jetson Nano gibi tek devre kartlarda başarılı bir şekilde uygulanabildiği sonucuna ulaşılmıştır. Çalışmadaki bir diğer model YOLOv7, TensorRT kütüphanesi kullanılarak paralel çalışacak şekilde optimize edilmiş ve hafıza alanlarının bağımsız olarak kullanılabilmesi için özel bir kontrol mekanizması geliştirilmiştir. Elde edilen sonuçlara göre, PP-LiteSeg modelinin diğer modellere göre daha yüksek doğruluk ve mIoU değerleri elde ettiği görülmüştür. Yapılan çalışma raylı sistemlerde hızlı ve doğru nesne tespiti için segmentasyon modellerinin seçimine yönelik önemli sonuçlar içermektedir. Çalışma PP-LiteSeg modelinin kullanımıyla birlikte sınırlı kaynağa sahip ortamlarda bile yüksek kalitede nesne tespiti yapılabileceğini kanıtlamıştır.