İnsansız Hava Aracı Görüntülerinden Beton Yüzeyi Çatlaklarının Yolo Mimarileri ile Tespiti

Köprü, baraj ve kule gibi yapıların sağlamlığının denetlenmesi, sağlıklı ve güvenilir bir çevre ortamının oluşturulmasında kritik öneme sahiptir. Yüzey çatlaklarının tespiti, yapı sağlamlığının denetlenmesinde stratejik öneme sahiptir. Yapı yüzeylerindeki çatlakların hafif ve zararsız görünümü değişen zaman ve hava koşullarıyla daha tehlikeli hale gelebilmektedir. Yüzey çatlaklarının manuel yöntemlerle tespitinin gerçekleştirilmesi insan gücüne dayalı yüksek performans gerektirdiğinden ulaşılması zor ve riskli yapılarda düşük doğruluğa sebebiyet verebilmektedir. Derin öğrenme teknikleriyle yüzey çatlaklarının tespitinin gerçekleştirilmesi, manuel yöntemlerin yaratmış olduğu yüksek maliyet, zaman ve iş gücü problemlerine bir çözüm sunmaktadır. Bu çalışmada tek aşamalı nesne tespitini sağlayan You Only Look Once (YOLO) algoritmasının güncel versiyonlarının beton yüzeylerindeki çatlakları tespit performansları karşılaştırmalı şekilde analiz edilmiştir. Çalışmada, insansız hava aracı (İHA) görüntülerinden oluşan açık kaynak şeklinde sunulan CRACK veri seti kullanılmıştır. YOLOv9s 0.885 mean average precision (mAP) değeriyle en yüksek doğruluğa sahip algoritmadır.

The inspection of the structural integrity of constructions such as bridges, dams, and towers is critical to creating a healthy and reliable environment. Detecting surface cracks is of strategic importance in monitoring structural integrity. Due to the high performance required for manual detection of surface cracks, it often leads to lower accuracy in hard-to-reach and risky structures, as it relies heavily on human effort. The seemingly mild and harmless appearance of surface cracks on structures can become more dangerous over time and under varying weather conditions. Detecting surface cracks using deep learning techniques has provided a solution to the high cost, time, and labor problems caused by manual methods. In this study, a comparative analysis was conducted on detecting cracks on concrete surfaces using the latest versions of the You Only Look Once (YOLO) algorithm, which enables single-stage object detection. The CRACK dataset, which is publicly available and consists of UAV images, was used in the study. It was concluded that the YOLOv9s algorithm achieved the highest accuracy with a mean average precision (mAP) of 0.885.