Görüntü işleme ve derin öğrenme yöntemleri ile çelik yüzey kusurlarının tespiti ve sınıflandırılması
Detection and classification of steel surface defects by image processing and deep learning methods
- Tez No: 730825
- Danışmanlar: DOÇ. DR. İLHAN AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Bilim Dalı
- Sayfa Sayısı: 78
Özet
Metaller hayatımızda vazgeçilmez konuma gelmiş unsurlardır. Metaller gündelik hayatta sanayi, ulaşım, teknoloji, inşaat sektörü, enerji sektörü gibi birçok alanda kullanılmaktadır. Metallerin bu kadar çok kullanılmasının sebebi ise dayanıklı ve uzun ömürlü olmasıdır. Ancak, metallerde belirli bir müddet kullanıldıktan sonra kısmi olarak veya tamamen kullanılmaz hale gelebilir. Bu durumda, hemen hemen her alanda kullanılan bu maddenin büyük sorunlara sebep olacağı gerçeğini meydana çıkarmaktadır. Oluşabilecek sorunların önüne geçmek için insanlar bu metalleri yüzyıllarca kendileri kontrol ederek gerekli gördükleri yerlere müdahale ettiler. Bu işlem hem zaman alıcı, pahalı hem de insandan insana değişen bakış açısı yönünden tehlike arz etmekteydi. Bu konuyu ele alan bilim insanları görsel denetim başlığı altında metal yüzeylerde oluşabilecek sorunlara bilimsel yaklaşımlarla hızlı, ucuz ve değişmeyen bir bakış açısıyla çözümler üretmeye başladılar. Görsel denetim için bilim insanları görüntü işleme yöntemlerine başvurmuşlardır. Burada bilim insanları girdap yöntemi, lazerle teşhis gibi yöntemleri kullanmışlardır. Gelişen yöntemlerle derin öğrenme yöntemleri ortaya koyulmuştur. Bu çalışmada derin öğrenme yöntemleri kullanılarak metal yüzeyler üzerindeki arızaları teşhis edebilmek için arıza sınıflandırma ve arıza tespit çalışmaları yapılmıştır. Sınıflandırma için VGG-16 modeli temel alınarak yapılan ince ayarlamalar sonucunda yüksek başarı oranlarıyla arıza sınıflandırılması sağlanmıştır. Nesne tespit çalışmasında ise farklı YOLO modellerin metal yüzeyler karşısındaki karşılaştırılması sağlanmış olup en doğru ve en hızlı sonuç veren modelin YOLO-V5 olduğu tespit edilmiştir.
Özet (Çeviri)
Metals are elements that have become indispensable in our lives. Metals are used in many areas such as industry, transportation, technology, construction sector, energy sector in daily life. The reason why metals are used so much is that they are durable and long-lasting. However, after a certain period of use on metals, it may become partially or completely unusable. In this case, it reveals the fact that this substance, which is used in almost every field, will cause great problems. In order to prevent possible problems, people have controlled these metals for centuries and intervened where they deem necessary. This process was both time-consuming, expensive and dangerous in terms of perspective that differs from person to person. Scientists dealing with this issue started to produce solutions to the problems that may occur on metal surfaces under the title of visual inspection, with scientific approaches, with a fast, cheap and unchanging point of view. For visual inspection, scientists have applied to image processing methods. Here, scientists used methods such as vortex method and laser diagnosis. Deep learning methods have been put forward with developing methods. In this study, fault classification and fault detection studies were carried out in order to diagnose faults on metal surfaces using deep learning methods. As a result of fine adjustments made on the basis of the VGG-16 model for classification, fault classification has been achieved with high success rates. In the object detection study, different YOLO models were compared against metal surfaces and it was determined that the model that gave the most accurate and fastest results was the YOLO-V5.
Benzer Tezler
- Kalite kontrol sistemi için derin öğrenme tabanlı bir model önerisi
A deep learning-based model proposal for a quality control system
YAREN ÇELİK
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiBaşkent ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. BERNA DENGİZ
- Sayısal patoloji görüntülerinin analizinde yenilikçi derin öğrenme yaklaşımlarının geliştirilmesi
Development of innovative deep learning approaches in the analysis of digital pathology images
YUSUF ÇELİK
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT KARABATAK
- A deep learning architecture for missing metabolite concentration prediction
Eksik metabolit miktarı tahmini için bir derin öğrenme mimarisi
SADİ ÇELİK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ÇAKMAK
- Bilgisayarla görüde verimli derin öğrenmeye doğru
Towards efficient deep learning in computer vision
ASLI ÇELİK
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. OĞUZHAN URHAN
- Kolon kanseri hastalığı görüntülerinin derin öğrenme yaklaşımı kullanılarak analizi
Analysis of colon cancer disease images using deep learning approach
FATİH MEHMET ÇELİK
Yüksek Lisans
Türkçe
2024
BiyomühendislikFırat ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. MEHMET KALENDER
DOÇ. DR. MUHAMMED TALO