Üretim hatlarında görüntü işleme tabanlı piston konum kontrolü
Image processing–based piston position control in production lines
- Tez No: 1014034
- Danışmanlar: PROF. DR. HAKAN IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Electrical and Electronics Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, endüstriyel üretim hatlarında pnömatik pistonların konumlarının fiziksel sensörlere ihtiyaç duyulmadan gerçek zamanlı olarak tespit edilmesi amaçlanmıştır. Üretim ortamlarında kullanılan manyetik ve endüktif konum sensörleri, kablo kopmaları, yağ ve metal tozu birikimi, yüksek sıcaklık ve titreşim gibi çevresel etkenler nedeniyle sık arızalanmakta ve plansız duruşlara yol açmaktadır. Bu durum bakım maliyetlerinin artmasına ve proses sürekliliğinin azalmasına neden olmaktadır. Kamera tabanlı görüntü işleme teknikleri, son yıllarda bu sorunlara düşük maliyetli ve güvenilir bir alternatif sunmaktadır. Çalışmanın temel amacı, piston konumunun yalnızca kamera görüntülerinden elde edilen bilgiyle doğru biçimde belirlenmesini sağlayan sensörsüz bir izleme sistemi geliştirmektir. Bu amaçla, saha koşullarında elde edilen 250 adet RGB görüntüden oluşan bir veriseti oluşturulmuş ve görüntüler LabelImg aracıyla clampacik (açık) ve clampkapali (kapalı) olmak üzere iki sınıfa ayrılmıştır. Toplanan verilerin %80'i eğitim, %20'si test için kullanılmıştır. Yöntem olarak Ultralytics YOLOv8 mimarisi tercih edilmiş ve model transfer öğrenme yaklaşımıyla piston verisine uyarlanmıştır. Gerçek zamanlı çıkarım, Raspberry Pi 4B üzerinde gerçekleştirilmiş; güvenilir olmayan tespitleri elemek için 0,90 güven eşiği uygulanmış, anlık gürültü ve titreşim kaynaklı hatalı geçişleri önlemek amacıyla beş ardışık kare tutarlılığına dayalı bir kararlılık filtresi kullanılmıştır. Onaylanan piston durumu, GPIO pinleri üzerinden“ileri”ve“geri”hareket sinyallerine dönüştürülmüştür. Deneysel sonuçlar, geliştirilen sistemin piston konumunu %97'nin üzerinde doğrulukla tespit ettiğini ve gömülü donanımda kare başına 25–40 ms gecikme ile stabil çalıştığını göstermektedir. Kararlılık filtresi, özellikle değişken ışık ve titreşim koşullarında yalancı pozitif ve negatifleri önemli ölçüde azaltmıştır. Çalışmanın endüstriye katkısı; sensör arızalarına karşı görsel bir yedek doğrulama mekanizması sunması, bakım süreçlerinde operatörlere ek kontrol imkânı sağlaması ve yeni üretim hatlarında kablolama maliyetlerini düşürme potansiyelidir.
Özet (Çeviri)
In this study, a real-time vision-based system is developed to determine the open and closed positions of pneumatic pistons in industrial production lines without the need for physical sensors. Conventional magnetic and inductive sensors are frequently affected by cable failures, environmental contamination, vibration and thermal conditions, which leads to unplanned downtime and increased maintenance costs. These limitations motivate the use of camera-based intelligent monitoring systems as a more reliable and low-maintenance alternative. The aim of this work is to provide a low-cost, robust and easily integrable sensorless position-detection approach by using deep-learning-based object detection. For this purpose, a dataset of 250 RGB images was collected from a real production-like test platform. All images were annotated using the LabelImg tool and divided into two classes: clampacik (open) and clampkapali (closed). Eighty percent of the dataset was used for training and the remaining twenty percent for testing.Ultralytics YOLOv8 was employed as the main detection architecture and fine-tuned through transfer learning. During real-time operation on a Raspberry Pi 4B, a confidence threshold of 0.90 was applied to remove unreliable predictions. Additionally, a frame-based stability filter requiring consistent predictions over five consecutive frames was implemented to prevent oscillating outputs under challenging lighting and vibration conditions. Confirmed piston states were mapped to GPIO pins to generate forward and backward control signals for field hardware. Experimental results demonstrate that the proposed system achieves more than 97% accuracy and operates at 25–40 ms latency per frame on embedded hardware. The stability filter significantly reduces false transitions and ensures reliable decision output. Overall, the system provides a practical visual backup mechanism against sensor failures and offers a scalable, low-cost solution for newly designed production lines.
Benzer Tezler
- Robot hücresi içerisinde yapay zekâ ve görüntü işleme tabanlı parça besleme kontrolü
Artifical intelligence and image processing-based part feeding control in a robot cell
ENESALP ÖZ
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Yapay zeka tabanlı endüstriyel görüntü işlemelede yenilikçi yaklaşımlar
Innovative approaches in artificial intelligence-based industrial image processing
LUTFİ EMRE DEMİR
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKahramanmaraş Sütçü İmam ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. YAVUZ CANBAY
- Vision based positioning ABB IRB 140 robot for gas leakage test automation
Gaz kaçak test otomasyonu için ABB IRB 140 robot için görüntü tabanlı pozisyonlama
AKIN İLKER SAVRAN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUFAN KUMBASAR
- Derin öğrenme tabanlı kalite kontrol cihazı tasarımı
Design of deep learning based quality control device
SEFA BOZATLI
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SEZGİN KAÇAR
- Üretimdeki kalite hatalarının görüntü işleme yöntemi kullanılarak tespit edilmesi
Detecting quality defects in production using image processing method
ANIL KURU
Yüksek Lisans
Türkçe
2025
Mekatronik Mühendisliğiİstanbul Gelişim ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KENAN ŞENTÜRK