@article{article_1029905, title={Derin Öğrenme Yöntemleri ile Demiryolu Bağlantı Elemanlarının Sınıflandırılması}, journal={Avrupa Bilim ve Teknoloji Dergisi}, pages={268–274}, year={2022}, DOI={10.31590/ejosat.1029905}, author={Sevi, Mehmet and Aydın, İlhan and Karaköse, Mehmet}, keywords={Demiryolu, Demiryolu Bağlantı Elemanları, Kusur Tespiti, Bilgisayarlı Görme, Unet, Derin Öğrenme Algoritmaları}, abstract={Demiryolu taşımacılığının güvenliğini sağlamada, bilgisayarlı görmeye dayalı yöntemler, demiryolu güvenliğini sağlamak için önemli bir hale gelmiştir. Artan demiryolu trafiği demiryolu bileşenlerin de kısmen aşınmaya ve ciddi kazalara neden olabilmektedir. Demiryolu hattındaki kusurlarının tespit edilmesi önemli bir konu haline gelmiştir. Bu çalışmada, demiryolu bağlantı elemanlarındaki kusurların sınıflandırılması için derin öğrenme tabanlı bir sistem önerilmiştir. Önerilen yaklaşım, sağlıklı demiryolu bağlantı elemanı görüntülerini kullanarak kusurlu veriler üretmektedir. Yeni görüntü elde etmek için bir görüntü bölütleme yöntemi kullanılmıştır. Ardından derin öğrenme modelleriyle sağlıklı ve kusurlu demiryolu bağlantı elemanı görüntüleri sınıflandırılmıştır. Bölütleme işlemi için Unet modeli kullanılmıştır. Veri seti eğitimi ve bağlantı elemanlarının kusurlarını sınıflandırmak için CNN, VGG-16 ve ResNet50 modelleri kullanılmıştır. Önerilen yöntem literatürdeki diğer modellerle karşılaştırılmış ve sınıflandırma performansı açısından daha iyi sonuçlar elde edilmiştir. Önerilen yöntem %100 doğruluk oranı yakalamıştır.}, number={35}, publisher={Osman SAĞDIÇ}, organization={TUBİTAK}