Demiryollarında Otonom İHA Kullanan Görme Tabanlı Akıllı Hata Tespit Sisteminin Geliştirilmesi

Abstract

Demiryolu taşımacılığı güven, konfor ve hız açısından önemli bir ulaşım aracıdır. Hızlı trenlerin gelişmesi ile birlikte ülkemizde de son yıllarda demiryolu ulaşımında önemli yatırımlar yapılarak yeni hızlı tren hatları açılmıştır. Demiryolu hattının kalitesi trenin güvenli bir şekilde çalışması için önemlidir. Bu yüzden demiryolunda oluşan kusurların erken bir aşamada belirlenmesi gerekir. Demiryolu alt aksamı genellikle travers, ray, bağlantı elemanı ve balast olmak üzere dört kısımdan oluşur. Bu malzemelerde oluşan arızalar travers ve raylarda oluşan çatlaklar, bağlantı elemanlarda oluşan kırıklar, balast boşalması ve travers kaymaları olarak verilebilir. Demiryolu hatlarında oluşan problemleri tespit etmek amacıyla genellikle ölçüm trenleri veya ray hattı için özel tasarlanmış kara araçları kullanılmaktadır. Fakat bu araçlar hem ray hattını meşgul etmekte hem de özellikle ray üzerinde bulunan yabancı cisimler, rayın bir bütün olarak görülememesinden dolayı travers kaymaları ve ray altının boşalması gibi problemleri tespit edemezler. Ayrıca bu tür problemler ölçüm araçlarının yoldan çıkmasına neden olabileceğinden ciddi mali kayıplara neden olmaktadır. Bu projede demiryolu hattı üzerinde otonom olarak uçuş yapabilecek bir IHA için algoritmaların tasarlanması, geliştirilen otonom sistem ile veri toplama ve elde edilen verilerden ray bileşenleri ile ilgili kusur tespit algoritmaları geliştirilmiştir. Otonom uçuş için kenar çıkarımı, Gabor filtresi, derin Hough dönüşümü ve MobilNetV2 tabanlı düşük ağırlıklı çizgi segment algoritması gibi yöntemler önerilmiştir. Kenar çıkarımı tabanlı teknikler ortam ışıklarından etkilenmesine rağmen Gabor filtresi kullanıldığında bulunan gereksiz çizgiler elenebilmektedir. Derin Hough dönüşümünde ray çizgileri kesintisiz olarak bulunduğu için ufuk noktası daha kolay belirlenebilmektedir. MobileNetV2 tabanlı düşük ağırlıklı çizgi segment algoritması gerçek zamanlı çalışma için oldukça uygun bir algoritma olup özellikte tek kamera ile takip ve veri toplama için uygun bir çözüm olmuştur. Ayrıca otonom uçuş algoritmaları benzetim ortamında geliştirildikten sonra gerçek ortamda test edilmiştir. Ray yüzey kusurlarının belirlenmesi için iki düşük ağırlıklı ağ olan MobileNetV2 ve SqueezeNet?in özellikleri birleştirilmiştir. Ray bağlantı elemanlarında oluşan kusurların tespiti için düşük ağırlıklı bir ağ modelinin yanı sıra ön işleme adımında bağlantı elemanının tespiti için çizgi yerel ikili örüntü yönteminden faydalanılmıştır. Ayrıca hatalı verileri çoğaltmak amacıyla çekişmeli üretici ağlar kullanılmış ve bölütleme amacıyla popüler derin öğrenme yöntemleri olan UNet ve Mask-RCNN ağları kullanılmıştır. Bağlantı elemanlarının tespiti ve ray yüzey kusurlarının tespit edilerek sınıflandırılması için YOLO tabanlı nesne tespit algoritmaları karşılaştırılmıştır. Geliştirilen algoritmalar ile demiryolu bakım ve kontrolü için aşağıdaki katkılar sağlanmıştır. ? Ray üzerinde IHA tabanlı yüksek hızlı otonom uçuş algoritmalarının geliştirilmesi, ? Düşük maliyet ile ray bakımı için alternatif bir yaklaşımın sunulması, ? Elde edilen görüntüler için kullanıcı dostu bir arayüz ile kusur tiplerinin belirlenmesi, ? Kusur tespiti için geliştirilen düşük ağırlıklı ağların gerçek zamanlı çalışabilme özelliği.