A novel hybrid method for automatic visual inspection of oil plant facilities using uav and ai-based sensor fusion
İha ve yapay zekâ tabanlı sensör füzyonu kullanarak petrol tesislerinin otomatik görsel denetimi için yeni bir hibrit yöntem
- Tez No: 1004552
- Danışmanlar: Assoc. Prof. Dr. SEFER KURNAZ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Petrol ve doğalgazla ilgili tesisler, dünyadaki her iş ve sanayi bölgesinin coğrafyasının temel bileşenlerinden biridir. Coğrafyanın bu yönü hayati önem taşımaktadır. Ticaret ve sanayinin çeşitli alanlarındaki sürekli büyüme ile birlikte, enerjiye ve dolayısıyla petrol rafinerilerine olan talep de artmaktadır. Petrol taşıma ağında bir kırılma olduğunda, öncelikli endişeler kamu ve ekosistem güvenliğinin yanı sıra sistemin bütünlüğünü korumak ve muhafaza etmektir. Bu tez, üç koordineli tekniği entegre eden yeni bir boru hattı kırılma tespit sistemi önermektedir: bir DCAMFL algoritması, bir Evrişimsel Sinir Ağı ve gerçek zamanlı, üç boyutlu sanal bir drone. Bu çok yönlü yaklaşım, aksi takdirde fark edilmeden ilerleyecek olan küçük kırıkların sınırlarını bulmak ve izlemek için tasarlanmıştır. Üstün görsel keskinlikleriyle bilinen DCAMFL ve CNN çiftleri, yüksek performans sağlamak için optimize edilmiştir. Bu tamamlayıcı özellikler, dengeye daha yakın ve dolayısıyla kendi tespit eşiklerini aşmaya daha yatkındır. ANSYS Fluent içindeki modelin karşılaştırmalı analizi ve iyileştirmeleri, yaklaşımın sağlam temellere dayandığını ve simüle edilmiş çıktıların fiziksel modelin çıktılarıyla yüksek derecede uyum gösterdiğini, bu da çeşitli performans parametrelerinin kesinlik ve güven aralığında azalmaya yol açtığını göstermiştir. Boru hattı sisteminin içindeki akışkan dinamiği ANSYS Fluent'te simüle edilmiştir. Bu bilgiler kullanılarak, sıcaklık, basınç ve akış hızının çatlak oluşumu ve çatlakların tespit edilmesiyle ilgili etkileşimleri belirlenebilmiştir. Daha kapsamlı bir analiz için, algoritmanın sistemdeki potansiyel olarak atlanmış çatlaklardan kaynaklanan sızıntıları tespit etme yeteneğine de bakılmıştır. Ardından, tekniği geniş bir kırık petrol boru hattı setine uyguladık ve sonuçlar dikkat çekiciydi. Çatlak tespiti için F1 puanı %95,6, geri çağırma %97,3 ve hassasiyet %96,5 olmuştur. Bu performans ölçütleri, sistemin kırıkları doğru ve güvenilir bir şekilde tespit edip sınıflandırdığına dair kanıt sağlamaktadır. Araştırma çalışmalarımız sırasında, derin öğrenme, bulanık mantık ve gelişmiş modelleme tekniklerinin uygulanmasıyla dizel boru hatlarındaki çatlak tespitinde önemli ilerlemeler sağlanabileceğini gösterdik. Tanımlanan yaklaşım, boru hattı izlemesinin iyileştirilmesi, daha fazla güvenlik ve operasyonel ve yapısal ömrün uzatılması gibi çeşitli sonuçlar doğurabilir. Algoritmadaki gelişmeleri desteklemeye devam etmek için, bu çalışma, aracın değerini ve verimliliğini belirlemenin yanı sıra, işlenen veri aralığının daha büyük ve karmaşık bir boru hattına genişletilmesiyle birlikte, evrimsel sinir ağlarının mimarisini değerlendirip yeniden optimize etmeyi amaçlayacaktır.
Özet (Çeviri)
The facilities that deal with oil and gas are one of the essential components of the geography of every business and industrial zone in the world. This facet of geography is essential. With the continued growth in the various areas of commerce and industry, there is a growing demand for energy and, therefore, oil refineries. When there is a rupture in the oil transport network, the primary overriding concerns are maintaining public and ecosystem safety as well as protecting and preserving the integrity of the system. This thesis proposes a new pipeline rupture detection system that integrates three coordinated techniques: a DCAMFL algorithm, a Convolutional Neural Network, and a real-time, three-dimensional virtual drone. This multi-faceted approach is designed to find and trace the boundaries of minute fractures that would otherwise progress unnoticed. Pairs of DCAMFLs and CNNs, which are well-known for their superior visual acuity, are optimized to driven high performance. These complementary features are the more to equilibrium, and subsequently, the more to surpass their respective detection thresholds. Benchmarking and refinements to the model within ANSYS Fluent have ensured the approach is well-grounded, with the simulated outputs showing a high degree of correspondence to those of the physical model, leading to a reduction in certainty and confidence margin of the various performance parameters. The fluid dynamics inside the pipeline system were simulated in ANSYS Fluent. Using that information, we were able to determine the interactions of temperature, pressure, and flow speed in relation to the formation of and the ability to detect cracks. For an expanded analysis, we also looked at the ability of the algorithm to detect leaks due to potential bypassed cracks in the system. Next, we applied the technique to an extensive set of fractured oil pipelines, and the results were remarkable. For the crack detection, the F1-score was 95.6\%, the recall was 97.3\%, and the precision was 96.5\% respectively. These performance metrics provide evidence that the system accurately and reliably detected and classified the fractures. During the research work, we have shown that significant advancements in diesel pipelines crack detection can be achieved through the application of deep learning, fuzzy logic, and sophisticated modeling techniques. The approach described could yield various results, including improved pipeline monitoring, greater safety, and increased operational and structural longevity. To continue assisting developments within the algorithm, this study will try to determine the value and efficiency of the tool, as well as assessing and re-optimizing the architecture of the convolutional neural networks the range of data being processed will be also increased to a larger and complex pipeline.
Benzer Tezler
- A framework for composite wind turbine blades: From material development to structural optimisation and ml-enhanced damage detection
Rüzgar türbinleri için hibrit kompozit temelli kanat malzemesi geliştirilmesi, yapısal optimizasyonu ve makine öğrenmesi ile hasar tespiti ve yapısal analiz entegrasyonu
KEMAL HASIRCI
Doktora
İngilizce
2026
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALAEDDİN BURAK İREZ
- Kahve yaprağı hastalıklarının tespiti için özgün iki hibrit derin öğrenme modeli
Two original hybrid deep learning models for the detection of coffee leaf diseases
MUHAMMET ÇETİNKAYA
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEMA SERVİ
- Kartezyen otomasyon robotları için kaynak izi takip sensörünün geliştirilmesi
Development of seam tracking sensor for cartesianautomation robots
ALİ YILDIZ
Yüksek Lisans
Türkçe
2025
Mekatronik MühendisliğiBursa Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURETTİN GÖKHAN ADAR
- Flight deck centered cost efficient 4D trajectory planning
Kokpit otomasyonu tabanlı 4D rota planlaması
MEVLÜT UZUN
Yüksek Lisans
İngilizce
2015
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. GÖKHAN İNALHAN
- Elektrikli gemilerin şarj prosesi için yapay zekâ tabanlı yeni bir otonom kontrol sistemi
A novel AI-based autonomous control system for the charging process of electric ships
EMİN GÜNEY
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT BAYILMIŞ