Geri Dön

Robot hücrelerinde kameralı güvenlik sistemlerinin optimal tasarımı

Optimal design of camera based safety systems in robotic cells

PDF İndir

  1. Tez No: 720909
  2. Yazar: MERDAN ÖZKAHRAMAN
  3. Danışmanlar: PROF. DR. HAYDAR LİVATYALI
  4. Tez Türü: Doktora
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 153

Özet

Günümüzde, üretim sistemlerinde robot kullanılan iş hücreleri vazgeçilmez hale gelmiştir. Bu sistemler için insan ve iş güvenliği en önemli unsurlardan biridir. Görüntü işlemeye dayalı güvenlik yöntemlerinde üç boyutlu (3D) kamera kullanımı ticarileşmiş bir uygulamadır. Tek 3D kameranın kullanıldığı güvenlik sistemlerinde maliyetin yüksek olması ve kör noktaların oluşması dezavantaj yaratmaktadır. Bu sebeplerle, doktora tezinde, uluslararası güvenlik standartlarıyla uyumlu, iki boyutlu (2D) birden fazla kamera kullanılan bir güvenlik sistemi tasarımı yapılmıştır. Kamera sayısı, kamera yerleşim açısı ve kamera yükseklikleri optimizasyon parametreleri olarak ele alınıp, en uygun çözüm sunulmuştur. Çözümün doğrulanması için iki kamera kullanılan bir deney düzeneği kurulmuştur. Bu düzenekte optimal ve optimal olmayan kamera yerleşimlerinden alınan görseller, derin öğrenme mimarisi olan ResNet-152 kullanılarak karşılaştırılmıştır. Kör noktaları ortadan kaldırmak için, stereo görüntüleme yöntemlerine alternatif, 2D görüntü birleştirme tekniği önerilmiştir. Doğrulama deneyleri, sekiz aydınlatma seviyesinde iki farklı grafik işlemci ve iki farklı kamera çözünürlüğü kullanılarak gerçekleştirilmiştir. Güvenlik sistemine yüksek hızlı girişlerin güvenilir bir şekilde ve 0,1 saniye yanıt süresiyle algılandığı doğrulanmıştır. Ayrıca, ticari sistemler en az 400 lux üstünde kullanılabilirken, tasarlanan sistemin 120 lux aydınlatma seviyesine kadar etkili şekilde çalıştığı kanıtlanmıştır. Kamera görüntülerine dayalı güvenlik sistemlerinde, yapay zekâ tabanlı nesne algılama mimarilerinin kullanımı sistem esnekliğini, doğruluğunu ve kararlılığını arttırmaktadır. Doktora çalışmasında, sistem denetleyicisi, üç derin öğrenme (ResNet-152, AlexNet, SqueezeNet) ve üç makine öğrenmesi modülü (SVM, RF ve DT) ile birleştirilmiştir. Modüller, alarm bölgesine giren on farklı nesnenin farklı kalitelerdeki 550şer fotoğraf görüntüsü kullanılarak eğitilmiştir. Böylece endüstriyel ortamın değişen koşulları; Kamera titreşimleri, gölgeler, yansımalar, aydınlatma değişimleri vb. bozucu etkiler veri setine dâhil edilmiştir. SqueezeNet derin öğrenme modeli, %95 ile en iyi doğruluğu vermiştir. Ancak makine öğrenmesi tabanlı modellerden DT, yakın doğrulukta tahmini derin öğrenme tabanlı modellerden 100 kat daha hızlı sağladığı bulunmuştur. Böylece güvenlik sistemi olası her türlü değişikliğe hızla uyum sağlayabilmekte ve endüstriyel üretimde oluşabilecek zaman kayıplarının önüne geçilebilmektedir.

Özet (Çeviri)

Today, work cells using robots have become indispensable for production systems. Human and occupational safety is one of the most important elements for these systems. It has been observed that three-dimensional (3D) camera technology is used in safety methods based on image processing. In safety systems where more than one camera system is used, the high cost and the inability to intervene in blind spots for the robot workstation also creates a major disadvantage. For these reasons, in this doctoral thesis, a two dimensional (2D) safety system using more than one camera was designed in compliance with international safety standards. The number of cameras, camera orientation angle and camera heights were considered as optimization parameters and the most appropriate solution was presented. An experimental setup using two cameras was set up to verify the solution. Images taken from optimal and non-optimal parameters through this setup were compared using ResNet-152, a deep learning algorithm. To eliminate blind spots, 2D image fusion technique has been proposed as an alternative to the stereo imaging methods. Validation experiments were performed using two different graphics processors and two different camera resolutions under varying lighting conditions. It has been verified that high-speed intrusions into the safety system are detected reliably and with a response time of 0.1 seconds. In addition, while commercial systems cannot operate below 400 lux, the designed system has been proven to work effectively at a minimum illumination of 120 lux. The use of artificial intelligence based object detection architectures in the safety system based on camera images significantly improves system flexibility, accuracy, and stability. In addition, in this thesis, the system controller is combined with three alternative deep learning (ResNet-152, AlexNet, SqueezeNet) and three machine learning modules (SVM, RF and DT). These modules were trained using photographic images of ten different foreign objects entering the alarm zone. Ten different classes were determined and a total of 5500 camera images were used as dataset. Camera vibrations, shadows, reflections, lighting changes, etc., for use in system verification in the ever-changing conditions of the industrial environment. disruptive effects are also included in the dataset. The SqueezeNet deep learning model gave the best accuracy rate of 95%. However, machine learning based models were found to have 100 times faster prediction time than deep learning-based models. Thus, the safety system can quickly adapt to any possible change, and time losses that may occur in industrial production.

Benzer Tezler

  1. Tez No

    774149

    Learning markerless robot-depth camera calibration and end-effector pose estimation

    Öğrenim tabanlı robot-3B kamera harici kalibrasyonu ve uç efektörpozisyonu tahmini

    BUĞRA CAN SEFERCİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BARIŞ AKGÜN

  2. Tez No

    346521

    Ara stok alanı bulunan tek robotlu üretim hücrelerinde çizelgeleme

    Scheduling in robotic cells with a self-buffered robot

    EMİNE GÜNDOĞDU

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Endüstri ve Endüstri MühendisliğiTOBB Ekonomi ve Teknoloji Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. HAKAN GÜLTEKİN

  3. Tez No

    181354

    Scheduling in flexible robotic manufacturing cells

    Robotlu esnek üretim hücrelerinde çizelgeleme

    HAKAN GÜLTEKİN

    Doktora

    İngilizce

    İngilizce

    2006

    Endüstri ve Endüstri Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. SELİM AKTÜRK

  4. Tez No

    463589

    Energy conscious scheduling in a two-machine robotic cell

    İki makineli robotik üretim hücrelerinde enerji tabanlı çizelgeleme

    VAHID EGHBAL AKHLAGHI

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Endüstri ve Endüstri MühendisliğiOrta Doğu Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SİNAN GÜREL

    DOÇ. DR. HAKAN GÜLTEKİN

  5. Tez No

    256702

    Robotlu imalat hücrelerinde tasarım kriterlerinin belirlenmesi ve örnek bir tasarım uygulamasının incelenmesi

    Design criteria in robotic arc welding cell and investigation on an example design

    MUTLU BALKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Mühendislik BilimleriMarmara Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. NİHAT AKKUŞ

Geri Dön