Miraç Di̇lEkli̇
Research Interests
Miraç Di̇lEkli̇ has a total of 3 co-authors. Here are the top co-authors by number of shared publications:
- Berkan Bi̇nAy
FIRAT ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ
1 shared publication - Erhan Akin
Firat Universitesi
1 shared publication - Gulsah Karaduman
Department of Computer Engineering, Firat University, Elazig, Turkey
1 shared publication
Latest Publications
- 31 July 2022
- Published by Demiryolu Muhendisligi Dergisi, Demiryolu Muhendisleri Dernegi in Demiryolu Mühendisliği
- No. 16,p. 185-195
Katener Sistemlerindeki İzolatör Kusurlarının Derin Öğrenme ile Tespiti
İzolatörler elektrikli demiryolu hatlarında katener sistemlerin en önemli bileşenleridir. İzolatörlerde meydana gelen kırıklar veya yanmalar ulaşımda kesintilere neden olmaktadır. Bu kesintiler de özellikle yüksek hızlı ray hatlarında güvenli çalışmayı engeller. İzolatörlerdeki arızaların erken bir aşamada tespit edilmesi katener sistemlerine en uygun zamanda müdahale etmeyi ve izolatör kaynaklı kazaları engellemeyi sağlayacaktır. Bu makalede katener sistemlerindeki izolatörleri arızalı ya da sağlam olarak sınıflandırmak için derin öğrenme tabanlı bir yöntem önerilmektedir. Çalışmada 1100 adet izolatör görüntüsü içeren bir veri seti kullanılmıştır. Bu veri setindeki görüntüler ResNet34 derin öğrenme mimarisi ile eğitilmiş ve test edilmiştir. Önerilen mimari ile izolatörlerdeki arızalar %95,7 doğruluk, %99 kesinlik ve %96,6 duyarlılık değerleriyle sınıflandırılmıştır. Bu değerler gerçekleştirilen çalışmanın katener sistemlerindeki izolatörlerdeki arıza tespiti için güvenilir bir yöntem olduğunu göstermektedir.
- 31 July 2022
- Published by Demiryolu Muhendisligi Dergisi, Demiryolu Muhendisleri Dernegi in Demiryolu Mühendisliği
- No. 16,p. 185-195
Katener Sistemlerindeki İzolatör Kusurlarının Derin Öğrenme ile Tespiti
İzolatörler elektrikli demiryolu hatlarında katener sistemlerin en önemli bileşenleridir. İzolatörlerde meydana gelen kırıklar veya yanmalar ulaşımda kesintilere neden olmaktadır. Bu kesintiler de özellikle yüksek hızlı ray hatlarında güvenli çalışmayı engeller. İzolatörlerdeki arızaların erken bir aşamada tespit edilmesi katener sistemlerine en uygun zamanda müdahale etmeyi ve izolatör kaynaklı kazaları engellemeyi sağlayacaktır. Bu makalede katener sistemlerindeki izolatörleri arızalı ya da sağlam olarak sınıflandırmak için derin öğrenme tabanlı bir yöntem önerilmektedir. Çalışmada 1100 adet izolatör görüntüsü içeren bir veri seti kullanılmıştır. Bu veri setindeki görüntüler ResNet34 derin öğrenme mimarisi ile eğitilmiş ve test edilmiştir. Önerilen mimari ile izolatörlerdeki arızalar %95,7 doğruluk, %99 kesinlik ve %96,6 duyarlılık değerleriyle sınıflandırılmıştır. Bu değerler gerçekleştirilen çalışmanın katener sistemlerindeki izolatörlerdeki arıza tespiti için güvenilir bir yöntem olduğunu göstermektedir.