YOLOv8 ile Demiryolu Hattı Çevresindeki Yabancı Cisimlerin Tespiti

Abstract

Bu çalışmada, demiryolu hattı çevresindeki yabancı cisimlerin tespitini sağlamak amacıyla derin öğrenme tabanlı bir yöntem önerilmiştir. Demiryolu ulaşımı güvenliği için bu tespitin yüksek doğrulukla yapılması önemlidir, ancak geleneksel yöntemler zaman ve maliyet açısından dezavantajlıdır. Önerilen yöntemde RailSem19 veri seti kullanılmış ve YOLOv8 tabanlı bir model tasarlanmıştır. YOLOv8, hızlı ve doğru nesne algılama yeteneği ile literatürde öne çıkan bir algoritmadır. Çalışmada görüntü artırma teknikleri kullanılarak veri seti çeşitlendirilmiş ve eğitim, doğrulama ve test aşamalarında insan ve araç sınıfları için elle etiketlenmiş veriler kullanılmıştır. Eğitim süreci, Google Colab aracılığıyla gerçekleştirilmiş ve farklı YOLOv8 alt mimarileri değerlendirilmiştir. Sonuçlar, YOLOv8m alt mimarisinin diğer alt mimarilere göre daha yüksek mAP50 değerlerine sahip olduğunu ve doğrulama aşamasında başarılı bir performans sergilediğini göstermiştir. YOLOv8m modeli, demiryolu hattı çevresindeki insan ve araçları net bir şekilde ayırt edebilmiştir. YOLOv8m alt mimarisi %88.8’lik mAP50 değeri yakalamıştır. Bu çalışma, demiryolu ulaşım güvenliğini artırmak amacıyla otomatik ve verimli bir yöntem sunmaktadır. YOLOv8 tabanlı modelin RailSem19 veri seti ile yüksek başarı elde etmesi, demiryolu hattı çevresindeki potansiyel riskleri tespit etmek için etkili bir çözüm olarak değerlendirilebilir.