Süleyman Demirel Üniversitesi (SDÜ) Araştırma ve Yenilikçilik Direktörü Prof. Dr. Serdal Terzi, SDÜ İnşaat Mühendisliği Doktora Öğrencisi Emre Uygun, Eindhoven University of Technology Bilgisayar Bilimleri Doktora Öğrencileri Murat Onur Yıldırım ve Elif Ceren Yıldırım tarafından geliştirilen “Raylı Sistemlerde Yapısal Bozulmaların Yapay Zekâ Tabanlı Akustik İzlenmesi Yöntemi ve Sistemi” projesi uluslararası patent almaya hak kazandı.
Süleyman Demirel Üniversitesi adına alınan patent, İnşaat Mühendisliği Bölümü Doktora öğrencisi Emre Uygun’un doktora tez çalışması olan yöntemi içeren sistem uygulaması ‘’PCT/TR2020/051168’’ patent başvuru numarasıyla dosyalandı ve ‘’WO2021/194445’’ numarasıyla yayınlandı. Çalışmada geliştirilen yöntem ve kapsadığı varyasyonlar ilk olarak “ DE 21 2020 000 817” referans numarasıyla “Alman Patent ve Ticari Marka Ofisi” kapsamında koruma altına alındı. Aynı zamanda ortaya koyulan yöntemin ilk uygulaması Uluslararası Akıllı Ulaştırma Sistemleri Zirvesinde sektör liderleriyle birlikte “Sektöre Katkı” ödülüne layık görüldü.
Yirmidört ay sürecek proje kapsamında; tüm dünyada kullanımı ve önemi hızla artmakta olan raylı sistemler için yapay zekânın mühendislik alanlarında kullanımı ile raylı sistemler işletmeleri için düşük maliyetli ve gerçek zamanlı bir durum izleme yöntemi ortaya koyuluyor. Yapay zekâ teknolojilerinin gerçek dünya senaryolarındaki çok sınıflı sorunları çözmede kullanılabilmesi için hafif ve hızlı bir derin öğrenme modeli oluşturacak olan projede raylı sistemler için yenilikçi bir durum izleme sistemi ortaya çıkarılması hedefleniyor.
Proje detayları ise şu şekilde: “Deformasyonların erken tespiti, raylı hatların yapısal sağlığını takip eden sistemler için hayati öneme sahiptir. Raylı ulaşım sistemlerinde yüksek frekanslı ses ve titreşim enerjisi tekerlek-ray etkileşimi ile oluşmaktadır. Her hat için referans verileri sunabilen bu frekans değerlerinin, yapı malzemelerinde meydana gelen deformasyonlar sonucunda referans değerlerden ayırt edilebilir anomaliler oluşturduğu bilinmektedir. Geliştirilen yöntemde; doğrudan gürültünün kaynağında meydana gelen frekans yoğunluğu dağılımı ve değişimleri, sesten spektrogram dönüşümüne dayalı derin öğrenme tabanlı bir derin ağ modeli ile tespit edilerek sınıflandırılmıştır.”
