Geri Dön

Defect characterization of aerospace composites via machine learning assisted image processing

Görüntü işleme destekli makina öğrenmesi metoduyla havacılık kompozitlerinde hata tespiti

PDF İndir

  1. Tez No: 825771
  2. Yazar: ÜMİT ÇİFTÇİ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ORHAN ÖZÇELİK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Havacılık Mühendisliği, Uçak Mühendisliği, Aeronautical Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Ankara Yıldırım Beyazıt Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Havacılık ve Uzay Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Havacılık ve Uzay Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 64

Özet

Havacılık sektöründe kompozit malzeme kullanımı yıldan yıla artmaktadır. Bu malzemelerin üstün mekanik özellikleri, mukavemet/ağırlık oranları, ısıl ve elektriksel özellikleri, uçuş performansına etkisi sayesinde popülaritesini korumaktadır. Kompozit yapıların imalatı sonrası ve servis koşullarında testlere tabi tutulması gerekmektedir. Yapıda herhangi bir kusurun olması çok ciddi olumsuz etkilere yol açabilir. Bunun önüne geçmek için tahribatsız muayene yöntemleri kullanılmaktadır. Ultrasonik test bu yöntemlerin en çok kullanılanlarındandır. Karşılıklı iki dönüştürücünün malzeme üzerine ses dalgalarıyla mekanik titreşimler göndererek gelen tepkiyi aktardıkları bu yöntemde elde edilen C-scan görüntülerine bakılarak malzemede hata tespiti yapılmaktadır. Bu tespit insana bağlıdır ve zaman alıcı bir süreçtir. Hata tespitini bilgisayarlı görme yöntemleriyle yapmak insana bağımlılığı ortadan kaldırmakta ve daha kesin sonuçlar vermektedir. Geleneksel makine öğrenme, derin öğrenme ve aktarmalı öğrenme yöntemleri bu kapsamda kullanılmakta ve isabetli sonuçlar alınmaktadır. Tahribatsız muayenelerde elde edilen C-scan görüntüleri veri seti olarak kullanılmaktadır. Öğrenme modellerinde yüksek miktarda resim kullanılarak model eğitilmektedir. Aktarmalı öğrenmede hazır öğrenilmiş bir sistem üzerine yeni resimler eklenerek öğrenme gerçekleştirilmektedir. Bu sayede veri setinde daha az resim kullanılabilmekte ve isabetli sonuçlar elde edilebilmektedir. Yapılan bu çalışmada; ultrasonik testlerde elde edilen C-scan görüntüleri veri seti olarak kullanılmıştır. Test edilen uçak parçası lamine ve sandviç yapıda olduğundan resimlerde kontrast farklılıkları mevcuttur. Bu farklılıkları gidermek ve hataları net olarak görmek için görüntü işleme yöntemleri kullanılmıştır. Laplacian kenar tespiti, K-means square, Histogram of Gradients gibi yöntemler kullanılarak resimlerde özellik çıkarımı yapılmıştır. İşlenen resim üzerinde kırpma, döndürme, çevirme gibi yöntemleri uygulanarak veri seti oluşturulmuştur. Bu veri seti eğitme, test etme ve değerlendirme olarak ayrılmıştır. Hazırlanan veri seti aktarmalı öğrenme metodu olarak seçilen VGG-19 ve Resnet50 metodunda kullanılmıştır. İşlenmemiş görüntü ile işlenen resimlerin verdiği sonuçlar karşılaştırılmıştır. Farklı görüntü işleme yöntemlerinin aktarmalı öğrenme modeline girdiğinde alınan sonuçlar karşılaştırılmıştır. Veri setinde bulunan resimlerin sayısı azaltılarak modelde tekrar eğitilmiş ve sonuçları eski raporlarla kıyaslanmıştır.

Özet (Çeviri)

The use of composites in aerospace industry has increased considerably over the last two decades. Thanks to their superior mechanical properties, strength to weight ratio, thermal and electrical properties, effect on flight performance, composite materials keep their popularity. Aircraft composites requires intense testing after manufacturing or in-service condition. Any defect in the structure may cause a catastrophic failure. To avoid this risk, non-destructive testing methods are used. Ultrasonic testing is one of the popular NDT methods. A transmitting and receiving transducer create wave propagation through the structure with the help of ultrasound, then obtained C-scan images of the material and defect detection is performed. A process of this kind highly depends on human efforts and very time consuming. Detecting defects with the help of computer vision eliminates the humans' interference in the process and, thus, gives more accurate results. Traditional machine learning, deep learning and transfer learning methods are used in this concept. C-scan images from non-destructive test are used as dataset. Learning models require very large number of images for training. In transfer learning, pre-trained models are performed before the acquired images are fed into the system. Thus, transfer learning model yields more accurate results with smaller number of datasets. In this work, C-scan images of ultrasonic tests were used as training dataset. The composite aircraft part tested for ultrasonic inspection consists of laminated frame and sandwich core sections resulting in contrast differences in the images. Image processing methods were used to mitigate the adverse effects of these differences. Laplacian edge detection, K-means square, and the histogram of gradients (HOG) methods were applied to extract features in the images. Processed images were flipped, snipped, and rotated to create a dataset. This dataset is separated into groups which are used for training, test, and validation. Prepared datasets were used on two transfer learning methods, namely, VGG-19 and Resnet50. The accuracy of the results was assessed by comparing the processed and un-processed images. Various image processing methods over defect detection in transfer learning have been investigated. By reducing the amount of images in the dataset, we compared the results with those of the published literature.

Benzer Tezler

  1. Tez No

    323698

    Mikro ark oksidasyon işlemi uygulanmış silisyum karbür takviyeli az91d magnezyum alaşımının korozyon ve aşınma özelliklerinin incelenmesi

    Investigation on wear and corrosion properties of micro arc oxidized sic reinforced az91d magnesium alloy

    MEHMET RAGIP MUHAFFEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Metalurji Mühendisliğiİstanbul Teknik Üniversitesi

    Metalurji ve Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN ÇİMENOĞLU

  2. Tez No

    498507

    Nanocomposites with graphene

    Grafen esaslı nanokompozitler

    SİBEL DEMİROĞLU

    Doktora

    İngilizce

    İngilizce

    2018

    Bilim ve Teknolojiİzmir Katip Çelebi Üniversitesi

    Nanobilim ve Nanoteknoloji Ana Bilim Dalı

    DOÇ. DR. MEHMET ÖZGÜR SEYDİBEYOĞLU

  3. Tez No

    780885

    Finite element analysis of continuous fiber reinforced thermoplastic composites

    Sürekli elyaf takviyeli termoplastik kompozitlerin sonlu elemanlar analizi

    OSMAN ATALAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Havacılık MühendisliğiAnkara Yıldırım Beyazıt Üniversitesi

    Fen Bilimleri Ana Bilim Dalı

    PROF. DR. FAHRETTİN ÖZTÜRK

  4. Tez No

    439683

    Niyobyum borür katkılı Al5Si hibrit tozların ve kompozitlerin mekanik alaşımlama ve basınçsız sinterleme yöntemleriyle geliştirilmesi ve karakterizasyonu

    Developing and characterization of niobium boride reinforced Al5Si hybride powders and composites with mechanical alloying and pressureless sintering methods

    EZGİ BURCU ERDOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Metalurji Mühendisliğiİstanbul Teknik Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA LÜTFİ ÖVEÇOĞLU

  5. Tez No

    638078

    Wear behaviour of multilayer coated WE43 magnesium alloy

    Çok katmanlı kaplanmış WE43 magnezyum alaşımının aşınma davranışı

    MERTCAN KABA

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Metalurji Mühendisliğiİstanbul Teknik Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    PROF. DR. HÜSEYİN ÇİMENOĞLU

    PROF. DR. UĞUR MALAYOĞLU

Geri Dön