Hava alanları kaplamalı sahalarında oluşan yüzey kusurlarının derin öğrenme ile tespit edilmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, İnşaat Mühendisliği Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: YASİN YILDIRIM
Danışman: Nuriye Kabakuş
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Bu çalışmanın amacı, havaalanı pist, apron ve taksi yollarında meydana gelen yüzey çatlakları vb. deformasyonların, yapay zeka tabanlı derin öğrenme modeli YOLOv11 kullanılarak hızlı, doğru ve otomatik bir şekilde tespit edilmesini sağlamaktır. Böylece, geleneksel manuel inceleme yöntemlerinde görülen zaman kaybı, yüksek hata oranı ve öznellik gibi sorunlara alternatif bir çözüm geliştirilmesi hedeflenmiştir. Yöntem: Çalışmada Türkiye'nin farklı havaalanlarından elde edilen 1000 adet görüntü (650 hasarsız, 350 hasarlı) ile veri tabanı oluşturulmuştur. Görüntüler iPhone 11 cihazı ile fotoğraflanmıştır. Veriler ön işlemden geçirilerek YOLOv11 mimarisiyle eğitilmiş ve test edilmiştir. Model performansı mAP, IoU, precision-recall gibi değerlendirme parametreleri kullanılarak değerlendirilmiştir. Bulgular: Elde edilen sonuçlar, YOLOv11 tabanlı modelin gerçek saha koşullarında yüksek doğruluk ve güvenilirlik ile çatlak ve yama deformasyon tespitini yapabildiğini göstermiştir. Model, sınırlı sayıda ancak çeşitli yapıya sahip veri ile eğitilmesine rağmen pratik uygulamalarda başarılı performans sergilemiştir. Sonuç: Geliştirilen derin öğrenme tabanlı sistem, havaalanı kaplamalı saha yönetiminde bakım-onarım süreçlerinin dijitalleşmesine katkı sağlayarak, uçuş güvenliğini artırmakta ve işlevsel maliyetlerin düşürülmesine olanak tanımaktadır. Çalışma, gelecekte gerçek zamanlı denetim sistemleri, geniş veri setleriyle model iyileştirme ve entegre bakım yönetimi uygulamaları için temel oluşturacak niteliktedir.