Demiryolu taşımacılığı, güvenilir, rekabetçi ve çevre dostu bir ulaşım ve yük taşıma alternatifi olduğu için günümüzde, demiryolu hatlarındaki trafiğin artması kaçınılmaz bir durumdur. Artan yolcu talebi sonucu sıklaşan seferler, tren hızlarının yükselmesi ve yüklerinin artması ile birleşince mevcut demiryolu üstyapısına önemli ek yükler getirmektedir. Bu ek yükler, raylarda olası problemlerin ortaya çıkma olasılığını arttırmaktadır. Buna bağlı olarak, raylarda görülen kusurlar daha önemli hale gelmiş; rayların kusurlara karşı kontrol edilmesi ve bakımının zamanında yapılması büyük önem kazanmıştır. Bu çalışmada ray görüntüleri Artık Ağ mimarisini kullanan evrişimli yapay sinir ağı ile eğitilmiş ve ray üzerindeki kusurlar ve ray kırıkları yüksek bir başarıyla sınıflandırılmıştır. Böylelikle birebirine karışma ihtimali fazla olan ve ayrıca ray kırığı probleminin öncülü olabilecek ciddi ray yüzey kusurlarının başlangıç aşamasında tespiti ile bakım onarım faaliyetlerine katkı sunabileceği düşünülmektedir.
Eskişehir Teknik Üniversitesi Araştırma Destek Projesi (ADP)
22ADP036
TCDD Demiryolu Araştırma Teknoloji Merkezi Müdürlüğü (DATEM)
Since railway transportation is a reliable, competitive, and environmentally friendly transportation and freight alternative, it is inevitable that the traffic on railway lines will increase today. Increasing frequency of trips as a result of increasing passenger demand, combined with increased train speeds and increased loads, brings significant additional loads to the existing railway superstructure. These additional loads increase the likelihood of possible problems on the rails. Accordingly, the defects seen in the rails have become more important; It has become of great importance to check the rails for defects and to carry out their maintenance in a timely manner. In this work, rail images were trained with a convolutional artificial neural network using Residual Network architecture, and defects on the rail and rail cracks were classified with high success. Thus, it is thought that it can contribute to maintenance and repair activities by detecting serious rail surface defects at the initial stage, which are likely to interfere with each other and may also be the precursor of rail crack problems.
22ADP036
Primary Language | Turkish |
---|---|
Subjects | Engineering |
Journal Section | Article |
Authors | |
Project Number | 22ADP036 |
Publication Date | January 31, 2024 |
Submission Date | November 21, 2022 |
Published in Issue | Year 2024 Issue: 19 |