Detection of Road Damages Using Machine Learning Methods with Data Collected from Various Geographies: A Study on Türkiye

Abstract

Karayolu hasarı, özellikle sürücülerin konforunu ve güvenliğini ciddi şekilde etkilemektedir. Yollardaki hasarların tespiti, sadece ulaşım güvenliği açısından değil, aynı zamanda maliyet açısından da büyük önem taşımaktadır. Yol hasarlarının tespiti, erken müdahale ve onarımı sağlamak açısından kritik öneme sahiptir. Bu çalışmada, YOLO (You Only Look Once) v8 algoritmasının yol hasar tespit performansı, Çekya-Türkiye, Hindistan-Türkiye, ABD-Türkiye ve Japonya-Türkiye dahil olmak üzere farklı coğrafyalardan elde edilen veri setleri kullanılarak değerlendirildi. Bulgular, algoritmanın hasar tespit konusundaki yeteneklerini ve belirli hasar türlerini ayırt etmede karşılaştığı zorlukları ortaya koydu. Türkiye veri setinin oluşturulması için Hatay ilindeki yolların görüntüleri kaydedildi. Bu görüntüler, Microsoft'un VoTT uygulaması kullanılarak etiketlendi. Geliştirilen modeller arasında karşılaştırmalar ve değerlendirmeler yapıldı. Bu modeller arasında en iyi sonuçları Japonya-Türkiye modeli, 0.55 mAP ve 0.54 F1 skoru ile verdi. Modellerin sonuçları, hasarın görünümünün coğrafi konuma ve yol verilerinin kalitesine göre değiştiğini gösterdi. Yerel görüntülerden ve belirsiz hasar türlerinden oluşan verilerin eğitimde önemli olduğu gözlemlendi.