GÖRÜNTÜ İŞLEME VE YAPAY SİNİR AĞLARI YÖNTEMLERİ İLE BETONUN BASINÇ DAYANIMININ BELİRLENMESİ

Öz

Günümüzde yapay zekâ yöntemlerinin mühendislik disiplinlerindeki uygulamaları giderek yaygınlaşarak, mühendislik problemlerine çözümler getirmekte, günümüze kadar kullanılan metot ve tekniklere alternatif oluşturmaktadır. Görüntü işleme teknolojisi de bu yapay zekâ yöntemlerinden biridir. Görüntü işleme, görüntünün elde edilmesi, sayısallaştırılması, iyileştirilmesi gibi birçok işlemi kapsamaktadır. Görüntü işleme teknolojisinin inşaat mühendisliğinde de kullanımı oldukça yaygındır. Özellikle beton teknolojisi ve malzeme bilimi üzerine çeşitli çalışmalar yapılmıştır. Bu çalışmada; beton basınç dayanımının belirlenmesinde kullanılan geleneksel deney yöntemleri irdelenmiştir. Bu kapsamda alternatif yeni bir deney yöntemi olarak görüntü işleme tekniğinin betonun basınç dayanımının belirlenmesindeki performansını görebilmek amacıyla görüntünün sayısallaştırılması uygulaması ile bir dizi analitik modelleme gerçekleştirilmiştir. Görüntü işleme ve yapay sinir ağları beraber kullanılarak sayısallaştırılan görüntü üzerinde analitik bir model oluşturulmuştur. Analitik modellemenin başarısı deneysel verilerle kıyaslanarak irdelenmiştir. Uygulama sonucu yüksek bir doğruluk oranı elde edildiği görülmüştür. Görüntü işlemenin malzeme ve yapı mühendisliğinde kullanımında kısıtlar ve yöntemin avantajları tartışılmıştır.

Anahtar Kelimeler

• Beton, Beton Basınç Dayanımı, Yapay Sinir Ağları, Görüntü İşleme Teknolojisi

Determination of Concrete Compressive Strength by Using Image Processing and Artificial Neural Network Methods

Öz

Nowadays, the practices of artificial intelligence methods on engineering science find solutions on engineering problems and become an alternative to methods and techniques used upon today by becoming widespread day by day. Image processing technology is also one of these artificial intelligence methods. Image processing involves many processes like obtaining, digitizing, enhancing of image. The use of image processing in construction engineering is also quite widespread. Various studies were made particularly on concrete technology and materials science. In this study, traditional testing methods used on identifying compressive strength of concrete were examined. In this context, a range of analytical modeling was practiced with digitizing image practice in order to see the performance of image processing technique as a new alternative testing method on identifying compressive strength of concrete. An analytical model on digitizing image has been occurred by using image processing and artificial neural networks together. The success of analytical modeling was examined by comparing with experimental data. In the result of the practice, it was seen that a high rate of accuracy was obtained. The constraints of use of image processing on material and structural engineering and the advantages of the method were discussed.

Anahtar Kelimeler

• Concrete, Compressive Strength of Concrete, Artificial Neural Networks, Image Processing Technology

Kaynakça

1. Arıöz, Ö., 2004, Beton dayanımının standart, yarı-tahribatlı ve tahribatsız yöntemlerle belirlenmesi, Doktora Tezi, Anadolu Üniversitesi, Fen Bilimleri Enstitüsü, Eskişehir
2. ASTM, (1998), Standard Test Method for Pulse Velocity Through Concrete, Annual Book of ASTM Standards, Easton, MD, USA.
3. Bal, H., 2006, Kamera ile görüntü işleme teknikleriyle malzeme tane büyüklüğü analizi, Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Ankara
4. Başka, M.A., 2006, Betonun basınç dayanımının belirlenmesi ve değerlendirilmesi, Yüksek Lisans Tezi, Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Erzurum
5. Başyiğit, C., Kılınçarslan, Ş., Çomak, B., 2012, Görüntü işleme tekniği ile beton basınç dayanımının tahmin edilmesi, Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi 16-1 (2012), 82-88
6. Binici, H., Çağatay, İ.H., Kaplan, H., 2000, Değişik faktörlerin beton mukavemetine etkisinin deneysel olarak incelenmesi, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 203-209
7. Çankaya, G., 2012, Görüntü işleme teknolojisinin inşaat mühendisliğinde kullanımı ve bir uygulama örneği, Yüksek Lisans Semineri, Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya
8. Çayırlı, M., 2006, Yanma olayının modellenmesi ve görüntü işleme yoluyla yanma performansının optimizasyonu, Yüksek Lisans Tezi, Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Isparta

9. Çomak, B., Beycioğlu, A., Başyiğit, C., Kılınçarslan, Ş., 2011, “Beton teknolojisinde görüntü işleme tekniklerinin kullanımı”, 6th Intenational Advanced Technologies Symposium (IATS’11), Elazığ
10. Edizer, E., 2006, Sayısal görüntü işleme yöntemi ile tane boyut dağılımı analizi, Yüksek Lisans Tezi, Çukurova Üniversitesi, Fen Bilimleri Enstitüsü, Adana
11. Erdal, M., 2002, Beton basınç dayanımının bazı tahribatsız test yöntemleri ile belirlenmesi, Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Ankara
12. Erdoğan, T., 2007, Beton, ODTÜ Geliştirme Vakfı Yayınları, Ankara , Türkiye
13. Ergün, A., Kürklü, G., 2005, “Mevcut betonarme yapılarda beton dayanımının belirlenmesi”, Deprem Sempozyumu, Kocaeli
14. Güler, M., Sözen, Ş., Özen, M., 2007, Görüntü yöntemlerinin beton mikro yapısının ve çelik birleşimlerin deformasyon davranışlarının belirlenmesinde uygulanması, Tübitak 1002 Hızlı Destek Programı, Proje no:105M085, Ankara
15. Küçük, Ö.F., 2006, Ultrasonik yüzey dalgaları- Schmidt yöntemi yardımıyla beton dayanımının bulunması, Yüksek Lisans Tezi, Harran Üniversitesi, Fen Bilimleri Enstitüsü, Şanlıurfa Matlab; Image Processing Toolbox
16. Okuyan, M.N., 2007, Silis dumanı içeren yüksek dayanımlı betonların basınç dayanımlarının hasarsız olarak bulunması, Yüksek Lisans Tezi, Harran Üniversitesi, Fen Bilimleri Enstitüsü, Şanlıurfa
17. Onat, M., 2008, Dijital görüntü işleme yöntemi ile lifli beton numunelerindeki çatlakların tesbit edilmesi, Yüksek Lisans Tezi, Fırat Üniversitesi, Fen Bilimleri Enstitüsü, Elazığ
18. Öncü M.,E., Karakaş, A., S., Kavak, M., T., 2006, Production of high performance concrete using admixtures, Journal of Engineering and Natural Sciences, 76
19. Özen, M., 2007, Investigation of relationship between aggregate shape parameters and concrete strength using imaging techniques, Master Thesis, Graduate School of Natural and Applied Sciences of Middle East Technical University, Ankara
20. Özen, M., Yaman, İ.Ö., Güler, M., 2012, “Identifying an optimal shape parameter to estimate grain size distribution of concrete samples using imaging techniques,” Advanced in Civil Engineering Conference’12, Ankara
21. Özkan, İ., Bilim, N., Sezer, R., Gökay, M.K., 2004, “Beton malzemelerde dayanım değerlerinin belirlenmesi için hasarsız yeni bir yaklaşım: Elektriksel geçirgenlik yöntemi”, KAYAMEK’2004-VII. Bölgesel Kaya Mekaniği Sempozyumu 2004, Sivas
22. Öztürk, D., Bozdoğan,K.B., Nuhoğlu, A., 2005, “Betonarme Yapılarda Beton Sınıfının Taşıyıcı Sistem Davranışına Etkisi”, Deprem Sempozyumu, Kocaeli
23. Santos, P., M.D., Julio, E.N.B.S., Silva, V.D., 2007, Correlation between concrete to concrete bond strenght and the roughness of the substrate surface, Construction and Building Materials 21(2007) 1688-1695
24. Taşçı, M., 2011, FPGA kontrollü robotik göz, Yüksek Lisans Tezi, Balıkesir Üniversitesi, Fen Bilimleri Enstitüsü, Balıkesir
25. Uras, A., 2006, Pullu uç demirlerindeki aşınmaların belirlenmesinde görüntü işleme tekniğinden yararlanma olanakları, Yüksek Lisans Tezi, Uludağ Üniversitesi, Fen Bilimleri Enstitüsü, Bursa
26. Yılmaz, A., 2007, Kamera kullanılarak görüntü işleme yoluyla gerçek zamanlı güvenli uygulaması, Yüksek Lisans Tezi, Haliç Üniversitesi, Fen Bilileri Enstitüsü, İstanbul