Detection of Concrete Surface Cracks with Deep Learning Architectures

Abstract

Beton yüzeyler için en temel problem çatlakların varlığıdır. Bu çatlaklar, güvenliğin sağlanabilmesi için mümkün olan en kısa sürede tespit edilip onarılmalıdır. Günümüzde çatlakların tespit edilmesi insan gücüyle gerçekleştirilmektedir. İnsan gücü ile yapılan tespitlerde fazla emek olmasına karşın hata oranı yüksektir. Bu çalışmanın amacı, çatlakların daha doğru ve hızlı tespit edilmesini sağlamaktır. Bunun için ise otonom bir sisteme ihtiyaç duyulmaktadır. Beton yüzey çatlaklarının tespitinde bazı Evrişimsel Sinir Ağları (CNN) kullanılmıştır. Bu çalışmada kullanılan görüntü verisi Orta Doğu Teknik Üniversitesi (ODTÜ) kampüs binalarından toplanmıştır. Bu veri setinde 20000 Negatif ve 20000 Pozitif veri bulunmaktadır. Görüntü verileri, ResNet-50, VGG-16, Inception-V3, Xeption gibi derin CNN mimarileri ve MobileNet, ShuffleNet, EfficientNet gibi hafif CNN mimarilerini kullanarak eğitildi. Eğitim sonucunda elde edilen veriler karşılaştırılarak, daha az parametre kullanıldığında doğruluğun nasıl değiştiği gözlemlenmiştir.