Hızlı yapısal risk değerlendirme için bir görüntü işleme uygulaması

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Eskişehir Osmangazi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, İNŞAAT MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2026

Tezin Dili: Türkçe

Öğrenci: DUYGU ÇELİK

Danışman: HAKAN EROL

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Depremler, yapı mühendisliği açısından ciddi riskler barındıran doğal afetler arasında yer almakta; özellikle taşıyıcı sistem yetersizlikleri bulunan yapılarda ağır yapısal hasarlara ve ciddi can kayıplarına neden olabilmektedir. Bu nedenle, yapı stokunun mevcut durumunun deprem öncesinde sistematik ve hızlı bir biçimde değerlendirilmesi, afet yönetimi ve risk azaltma stratejileri açısından büyük önem taşımaktadır. Bu tez çalışmasında, bina cephe görsellerinden yapısal risk göstergelerinin otomatik olarak sınıflandırılmasına yönelik evrişimli sinir ağı (Convolutional Neural Network- CNN) tabanlı bir model geliştirilmiştir. Çalışma, görüntü işleme ve derin öğrenme tekniklerini bir araya getirerek sahada uzman gerektirmeyen, hızlı ve ölçeklenebilir bir karar destek mekanizması sunmayı amaçlamaktadır. Modelin eğitimi için, Türkiye'de meydana gelen büyük çaplı bir depremin ardından çeşitli illerden toplanan geniş çaplı görsel veri seti kullanılmış; bu görseller mühendislik temelli etiketleme kriterlerine göre belirli yapısal özellikler üzerinden sınıflandırılmıştır. Görüntüler, çeşitli ön işleme adımlarına tabi tutulmuş ve her bir sınıf için ayrı modeller eğitilerek yapay zekâ temelli sınıflandırma yapılmıştır. Çalışma, görsel veriler aracılığıyla yapı stokunun değerlendirilmesine yönelik yeni bir yaklaşım sunmakta ve özellikle hızlı risk değerlendirme açısından geleneksel yöntemlere önemli bir alternatif teşkil etmektedir. Geliştirilen sistemin, afet öncesi müdahale planlaması, kentsel dönüşüm önceliklendirmesi ve yapı güvenliği analizleri gibi pek çok alanda kullanılabilir potansiyele sahip olduğu değerlendirilmektedir.