Pantograf Boynuz Hatalarının Derin Öğrenme ve Görüntü İşleme Teknikleri ile Tespiti

Authors : Mahmut Ömer BAŞTÜRK, Veysel YÜKSEL, Yusuf Engin TETİK, Mehmet YILMAZ, Mustafa GÜNER, Tolgahan KAYA

Pages : 102-115

Doi:10.47072/demiryolu.1132123

View : 15 | Download : 8

Publication Date : 2022-07-31

Article Type : Research Paper

Abstract :Görüntüler üzerinden hata ve anomalilerin otomatik tespiti, özellikle demiryolu taşımacılığı için kestirimci bakım uygulamalarında gün geçtikçe daha fazla yer bulmaktadır. Geleneksel bakım teknikleri, trenler için tam olarak güvenilemeyecek manuel çözümler içerirken; günümüzde görüntü işleme sayesinde daha sağlam çözümler üretilmektedir. Bu sayede bakım maliyetleri ve bakım süreleri de azalmaktadır. Trenler uzun mesafeler kat ettiğinden, trendeki sistemlerin yol boyunca zarar görmesi çok olasıdır. Hasar görme riski yüksek olan bu sistemlerden bir tanesi de pantograf-katener sistemidir. Pantografın katener ile temas eden bölgesi karbon şerittir ve katener sistemdeki elektriği trene iletmesi sebebiyle trene bağlı bileşenlerden en önemlilerinden bir tanesidir. Bu öneminden dolayı, karbon şeridi ağaç dalları gibi hasar verebilecek dış etkenlerden korumak için pantograf boynuzlarına ihtiyaç vardır. Karbon şerit yerine pantograf boynuzları hasar gördüğü için pantograf boynuzlarının bakıma ihtiyacının olup olmadığının bilinmesi önemlidir. Hasarlı boynuzların tespiti, görüntü işleme ve derin öğrenme tekniklerinden yararlanılarak otomatik olarak yapılabilir. Bu çalışmada, farklı çevresel koşullarda farklı hatalara sahip olan ve olmayan pantograf boynuzlarını içeren 34 adet simülasyon videosu oluşturulmuştur. Bu videolardan elde edilen kareler ayrı ayrı işlenmiştir. Temel görüntü işleme teknikleri sayesinde pantograf dışındaki arka plan nesneleri kaldırılmış, derin öğrenme modeli ile pantograf boynuz bölgeleri tespit edilmiş ve evrişimli sinir ağı sayesinde bir boynuzun hatalı olup olmadığı sınıflandırılmıştır. Oluşturulan metot ile bir pantograf boynuzunun hatalı veya sağlıklı olmasına %95,36 oranında doğru karar verilmektedir. Yüksek doğrulukla çalışan bu yeni yöntem, pantograf boynuz analizi üzerine literatüre önemli bir katkı sağlamaktadır.
Keywords : Derin öğrenme, Pantograf boynuzu, Görüntü işleme, Arka plan çıkarma, Sınıflandırma, Evrişimli Sinir Ağı