Fault Detection from Images of Railroad Lines Using the Deep Learning Model Built with the Tensorflow Library

Abstract

A means of transportation is the way in which an object, person, or service is transported from one place to another. Rail transportation occupies an important place in terms of cost and reliability. Most train accidents are caused by faults in railroad tracks. Detecting faults in railroad tracks is a difficult and time-consuming process compared to conventional methods. In this study, an artificial intelligence based model is proposed that can detect faults in railroad tracks. The dataset used in the study consists of defective and non-defective railroad images. The proposed model consists of foldable neural networks developed using the Tensorflow library. Softmax method was used as a classifier. An overall accuracy of 92.21% was achieved in the experiment.Ulaşım aracı, bir nesnenin, bireyin veya hizmetin bir yerden başka bir yere aktarılmasını sağlayan vasıtadır. Demiryolu ulaşımı maliyet ve güvenirlilik açısından önemli bir yere sahiptir. Tren kazaların çoğu demiryolu raylarında meydana gelen arızalardan kaynaklanmaktadır. Demiryolu hatlarındaki arızaların tespiti geleneksel yöntemlere göre zor ve zaman alıcı bir süreçtir. Bu çalışmada demiryolu hatlarında meydana gelen arızaların tespitini gerçekleştirebilen yapay zekâ tabanlı bir model önerilmiştir. Çalışmada kullanılan veri kümesi arızalı ve arızalı olmayan ray görüntülerinden oluşmaktadır. Önerilen model Tensorflow Kütüphanesi kullanılarak tasarlanmış evrişimsel sinir ağlarından oluşmaktadır. Sınıflandırıcı olarak Softmax yöntemi kullanılmıştır. Gerçekleştirilen deneyde %92,21 genel doğruluk başarısı elde edilmiştir.