Geri Dön

Uçak yüzeylerindeki kusurların evrişimsel sinir ağları ile tespiti

Detection of aircraft surface defects using convolutional neural networks

PDF İndir

  1. Tez No: 1003466
  2. Yazar: ŞEYMA ÖZSOY
  3. Danışmanlar: PROF. DR. İLKE TÜRKMEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Sivil Havacılık, Civil Aviation
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Erciyes Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Havacılık Elektrik ve Elektroniği Ana Bilim Dalı
  12. Bilim Dalı: Sivil Havacılık Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Uçak yüzeylerinde meydana gelen yapısal hasarlar, havacılık güvenliği ve bakım süreçleri açısından önem taşımakta, bu hasarların çoğunlukla insan gözlemiyle tespit edilmesi zaman ve maliyet yüklerini artırmaktadır. Bu çalışma, anotasyonsuz görüntü düzeyinde etiketleme yaklaşımıyla uçak yüzeyi hasarlarının sınıflandırılmasında derin öğrenme tabanlı yöntemlerin uygulanabilirliğini ortaya koymayı amaçlamaktadır. Bu kapsamda göçük, çizik ve bu hasarların aynı görüntüde birlikte bulunması durumunda farklı modellerin sınıflandırma davranışları değerlendirilmiştir. Açık kaynaklı bir bilgisayarlı görü platformu olan Roboflow Universe üzerinden temin edilen uçak yüzey hasarlarına ait görüntüler kullanılarak oluşturulan veri seti; MobileNetV2, ResNet50, VGG16 ve EfficientNetB0 evrişimsel sinir ağı mimarilerinin eğitimi ve performanslarının değerlendirilmesinde kullanılmıştır. Model başarımı doğruluk, kesinlik, duyarlılık, F1 skoru ve ROC eğrisi gibi temel performans metrikleri üzerinden analiz edilmiştir. Hasar sınıflandırma sürecinde model kararlarının görsel olarak incelenebilmesi amacıyla Grad-CAM yöntemi kullanılmıştır. Bu çalışma, benzer doğruluk düzeylerine sahip modeller arasında hesaplama maliyeti daha düşük ve tahmin süresi daha kısa olan modellerin, uçak bakım süreçlerinde ön tarama (screening) amacıyla kullanılmaya daha uygun olduğunu ortaya koymaktadır. Bu yönüyle çalışma, uçak bakım faaliyetlerinde operasyonel verimliliği artırmaya yönelik model seçimine katkı sunmaktadır.

Özet (Çeviri)

Structural damages occurring on aircraft surfaces are of critical importance for aviation safety and maintenance processes, and the fact that these damages are mostly detected through human inspection leads to increased time and cost burdens. This study aims to investigate the applicability of deep learning-based methods for the classification of aircraft surface damages using an annotation-free, image-level labeling approach. Within this scope, the classification behaviors of different models were evaluated for dent, scratch, and combined dent–scratch damage cases occurring within the same image. A dataset constructed using aircraft surface damage images obtained from the open-source computer vision platform Roboflow Universe was used to train and evaluate the performance of MobileNetV2, ResNet50, VGG16, and EfficientNetB0 convolutional neural network architectures. Model performance was analyzed using key evaluation metrics including accuracy, precision, recall, F1-score, and ROC curves. The Grad-CAM method was employed to enable visual interpretation of model decisions during the damage classification process. The results demonstrate that, among models achieving similar accuracy levels, architectures with lower computational cost and shorter prediction time are more suitable for use in aircraft maintenance screening applications. In this respect, the study contributes to model selection aimed at improving operational efficiency in aircraft maintenance activities.

Benzer Tezler

  1. Tez No

    1021839

    Drone Yardımı ile Tahribatsız Muayene

    DRONE-ASSISTED NON-DESTRUCTIVE INSPECTION

    BERCES KURT

    Doktora

    Türkçe

    Türkçe

    2026

    Havacılık ve Uzay MühendisliğiErciyes Üniversitesi

    Uçak Gövde Motor Bakım Ana Bilim Dalı

    DOÇ. DR. MUSTAFA SOYLAK

    DOÇ. DR. OĞUZ KÖSE

  2. Tez No

    675445

    Investigation of interacting multiple fatigue cracks propagation using two-dimensional boundary cracklet method

    İki boyutlu sınır çatlak elemanı yöntemi (boundary cracklet method) kullanılarak etkileşimli çoklu yorulma çatlaklarının ilerlemesinin araştırılması

    TALAL AHMED

    Doktora

    İngilizce

    İngilizce

    2021

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    Prof. Dr. HALİT SÜLEYMAN TÜRKMEN

    Prof. Dr. ABDULKADİR YAVUZ

  3. Tez No

    335734

    Inconel 718 süper alaşımının nitrürlenmesi

    Nitriding of inconel 718 superalloy

    TUNCAY TURAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Metalurji Mühendisliğiİstanbul Teknik Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN ÇİMENOĞLU

  4. Tez No

    389215

    Production and characterisation of bond coat on nickel based superalloy

    Nikel esaslı süperalaşım üzerinde bağ kaplamasının oluşturulması ve karakterizasyonu

    SELDA NAYİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Metalurji Mühendisliğiİstanbul Teknik Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT BAYDOĞAN

  5. Tez No

    763546

    The design of an aircraft engine fan blade based on operational safety regulations in civil aviation

    Uçak motoruna kuş çarpması durumu için motor pervanesi kanatlarının sivil havacılık güvenlik yönergelerine uygun tasarımı

    MERT YAĞIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEYNEP PARLAR

Geri Dön