Yapay sinir ağları ile gömülü sistem tabanlı hatalı baskı devre kartı tespiti
Embedded system based with artificial neural networks faulty printed circuit board detection
- Tez No: 716232
- Danışmanlar: DR. ÖĞR. ÜYESİ ERDAL BÜYÜKBIÇAKCI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Sakarya Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Kalite ve kontrol işlemleri esnasında insan gözüyle yapılan denetimler oldukça fazla zaman, iş gücü kaybı ve maliyetin yanında yüksek oranda başarıyla sonuçlanmamaktadır. Teknolojinin gelişmesi ile insan faktörü yerine kalite kontrol oranının yükseltilmesi için kontrollerde otomatik, akıllı sistemlerin kullanımı için çalışmalar yapılmaktadır. Akıllı uygulama teknolojilerinin gelişmesi ile birlikte yapay zekâ teknikleri ve görüntü işleme yaygın bir şekilde kullanılmaktadır. Bu tez çalışmasında, yapay zekâ teknikleri ve görüntü işleme ile elektronik kartlarda hatalarının tespit edilmesi amaçlanmıştır. Bu işlemi gerçekleştirmek için birçok yöntem mevcuttur ancak tezde özgünlük olması amacı ile işlemci olarak Raspberry Pi seçilmiştir. Tasarlanan sistemde seçilen işlemci Raspberry Pi 3 ve uygun kamera modülü ile görüntüler alınıp, veriler depolanmıştır. Alınan veriler görüntü işleme yöntemleri ile görüntü üzerinde iyileştirmeler yapılabilmesi için sayısal hale dönüştürülmüştür. Filtreleme, threshold, histogram gibi birçok teknik kullanılarak görüntüler üzerinde iyileştirilmeler yapılmıştır. Hatasız ürün görüntüleri üzerinden özellik çıkarımı yöntemi ile elde edilen ayırt edici özellik değerleri ileri beslemeli yapay sinir ağı algoritmasında yapay sinir ağları eğitme işlemi gerçekleştirilmiştir. Eğitme işlemi sonrasında elde edilen sistem ağırlık katsayıları online ileri beslemeli tanıma algoritmasında kullanılarak hatalı hatasız ürün kontrolü gerçekleştirilmiştir. Tez çalışmasının bir diğer temel amacı da üretim sektörünün gelişmesine bağlı olarak artan rekabet ortamında, ürün kalite oranının artırılması, oluşabilecek hataları gidermek, hata maliyet oranını düşürmek isteyen işletmelere hizmet veren bir sistem oluşturmaktır.
Özet (Çeviri)
Inspections made by human eyes during quality and control processes don't result in high success in addition to a lot of time, loss of labor and cost. With the development of technology, studies are carried out for the use of automatic and intelligent systems in controls in order to increase the quality control ratio instead of the human factor. With the development of smart application technologies, artificial intelligence techniques and image processing are widely used. The thesis is the detection of errors in electronic boards with artificial intelligence techniques and image processing. There are many methods to perform this process, but raspberry pi was chosen as the processor for the project to be original. In the designed system, images were taken and data was stored with the selected processor raspberry pi 3 and the appropriate camera module. The received data has been digitized in order to make improvements on the image with image processing methods. Improvements have been made on the images by using many techniques such as filtering, threshold, histogram. The artificial neural networks training process was carried out in the feedforward artificial neural network algorithm for the distinctive feature values obtained by the feature extraction method from the error-free product images. The system weight coefficients obtained after the training process were used in the online feed-forward recognition algorithm, and faultless product control was carried out. The main purpose of the thesis is to create a system that serves businesses that want to increase the product quality rate, eliminate possible errors, and reduce the error cost rate in an increasingly competitive environment due to the development of the production sector.
Benzer Tezler
- Modelling longitudinal motion of an electric vehicle and wheel slip control through NN based uncertainty prediction
Elektrikli aracın boyuna hareketinin modellenmesi ve yapay sinir ağı tabanlı belirsizlik kestirimli tekerlek kayma kontrolü
DUYGU ÖZYILDIRIM
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Human factor based advanced driver-assistance system (ADAS) design for electric vehicle
Elektrikli araç için insan faktörü tabanlı gelişmiş sürücü yardım sistemi (ADAS) tasarımı
DAĞHAN DOĞAN
Doktora
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Self-commissioning and position sensorless field oriented control of IPMSM
Gömülü mıknatıslı senkron motorun kendi kendine devreye alınması ve konum sensörsüz alan yönlendirmeli kontrolü
YASİN ÇETİN
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Evrişimsel yapay sinir ağları ile görüntüde toplamsal beyaz Gauss gürültü seviye tespiti
Noise estimation of additive white Gaussian noise with convolutional neural networks
HİKMET KIRMIZITAŞ
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiHarran ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NURETTİN BEŞLİ
- Bataryaların kondisyonlarını izleyerek yapay sinir ağları ile batarya türü ve şarj durumu tahmini
Condition monitoring and determining type and battery state of charge using artificial neural networks
EMEL SOYLU
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. RAİF BAYIR