Bakır malzemelerde kaynak hatası tespiti için yeni bir derin öğrenme algoritması tasarımı
Design of a new deep learning algorithm for welding defect detection in copper materials
- Tez No: 847300
- Danışmanlar: PROF. DR. İHSAN PEHLİVAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- 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: 113
Özet
Bu tez çalışmasının amacı; endüstriyel alanda yaygın olarak kullanılan Direnç Nokta Kaynağında (DNK), bakır baranın bakır fleksibl örgüye birleştirilmesinde oluşan kaynak hatalarının sınıflandırılması ve tespiti için; ilk defa bu alanda mevcut derin öğrenme tekniklerinin kullanılması ve yeni bir CNN ağı modeli önerilerek literatüre katkı sunulmasıdır. Literatür çalışmaları göz önünde bulundurulduğunda, endüstriyel alanda kaynak işlemleri üzerine yapılan araştırmalarda metal, sac, alüminyum ve çelik gibi malzemelerin kaynaklanması ve hata tespit analizlerine odaklanıldığı, fakat bakır malzemenin kaynaklanması üzerine yönelik derin öğrenme tabanlı kaynak hatası analizi çalışmalarına rastlanılmamaktadır. Çalışmanın özgün adımlarından birincisi, DNK makinasından elde edilen görüntülerden özgün veri setinin oluşturulmasıdır. Bakır baranın bakır fleksibl örgüye birleştirilmesi sonucunda oluşan kaynak hatalarının tespit ve sınıflandırılması için oluşturulan özgün veri seti kullanılmıştır. Çalışmanın özgün adımlarından ikincisi, DNK makinasında bakır baranın bakır fleksibl örgüye birleştirilmesinde oluşan kaynak hatalarının tespiti ve sınıflandırılması amacıyla, ilk defa bu alanda evrişimli sinir ağları (CNN) transfer öğrenme modellerinin kullanılmasıdır. Çalışmada önceden eğitilmiş transfer öğrenme modellerinden VGG16, VGG19, DenseNet121, DenseNet169, ResNet50, Xception, GoogleNet (InceptionV3), MobileNet ve EfficientNetB2 modelleri kullanılarak, oluşturulan özgün veri seti üzerinde, hata tespit ve sınıflandırma çalışmaları yapılmıştır. Çalışmanın özgün adımlarından üçüncüsü, DNK sürecinde bakır baranın bakır fleksibl örgüye birleştirilmesinde oluşan kaynak hatalarının tespiti ve sınıflandırması için, yeni bir CNN tabanlı modelin önerilerek literatüre kazandırılmasıdır. Tezde ayrıca, önerilen CNN tabanlı modelin başarım sonuçlarının, tezde kullanılan transfer öğrenme modelleri ve literatürdeki diğer CNN tabanlı kaynak hatası tespit çalışmalarının başarım sonuçları ile karşılaştırılması yapılmıştır. Tezde son olarak, oluşturulan özgün veri seti üzerinde, derin öğrenme modellerinden YOLO-V7 ile eğitim gerçekleştirilerek, bakır baranın bakır fleksibl örgüye birleştirilmesinde oluşan kaynak hatalarının tespiti için düşük maliyetli, gerçek zamanlı bir sistem üzerinde uygulama yapılmıştır. Elde edilen YOLO-V7 tabanlı gerçek zamanlı uygulamanın endüstriyel alanda maliyet etkin bir çözüm sunma potansiyeline sahip olduğu görülmüştür.
Özet (Çeviri)
The aim of this thesis is to contribute to the literature by using deep learning techniques available in this field for the first time and proposing a new CNN network model for the classification and detection of welding defects in Resistance Spot Welding (RSW), which is widely used in the industrial field, for joining copper busbar to copper flexible braid. When the literature studies are considered, it is seen that the researches on welding processes in the industrial field focus on welding and defect detection analysis of materials such as metal, sheet metal, aluminum and steel, but there are no deep learning-based welding defect analysis studies on welding of copper material. The first of the original steps of the study is the creation of the original dataset from the images obtained from the RSW machine. The original dataset was used to detect and classify the welding defects caused by the joining of the copper bus bar to the copper flexible braid. The second of the original steps of the study is the use of convolutional neural network (CNN) transfer learning models for the first time in this field for the detection and classification of welding defects in the joining of copper busbar to copper flexible braid in RSW machine. In the study, error detection and classification studies were carried out on the original data set created using the pre-trained transfer learning models VGG16, VGG19, DenseNet121, DenseNet169, ResNet50, Xception, GoogleNet (InceptionV3), MobileNet and EfficientNetB2. The third of the original steps of the study is to propose a new CNN-based model for the detection and classification of welding defects in the joining of copper busbar to copper flexible braid in the RSW process. The thesis also compares the performance results of the proposed CNN-based model with the transfer learning models used in the thesis and the performance results of other CNN-based weld defect detection studies in the literature. Finally, by training with YOLO-V7, one of the deep learning models, on the original data set created in the thesis, a low-cost, real-time system is implemented for the detection of welding defects in the joining of copper busbar to copper flexible braid. The obtained YOLO-V7 based real-time application has the potential to provide a cost-effective solution in the industrial field.
Benzer Tezler
- Sürtünme karıştırma kaynak tekniği ile birleştirilen Al-2014 levhalarında karşılaşılan hatalar ve mekanik özelliklere etkileri
Joining defects of Al-2014 alloy sheets welded by friction stir welding and effects on mechanical properties
MUĞDAT KANPOLAT
Yüksek Lisans
Türkçe
2005
Metalurji MühendisliğiSakarya ÜniversitesiMetal Eğitimi Ana Bilim Dalı
Y.DOÇ.DR. HÜSEYİN UZUN
- Yangın riski taşıyan açık alanlar için CBS tabanlı, bulut altyapılı, yüksek hassasiyetli, nanofotonik erken yangın tespit sistemi tasarımı ve uygulaması
Design and implementation of a GIS based, cloud substructured, high sensitive, nanophotonic early fire detection system for fire risk areas
YÜCEL GÜLLÜCE
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. RAHMİ NURHAN ÇELİK
- Çelik ile bakırın sürtünme kaynak yöntemi ile birleştirilebilirliğinin araştırılması
Investigation of the joinability of steel and copper using friction welding method
İBRAHİM SANCAKTUTAN
Yüksek Lisans
Türkçe
2024
Metalurji MühendisliğiKarabük Üniversitesiİmalat Mühendisliği Ana Bilim Dalı
PROF. DR. YAKUP KAYA
- AISI 430/AISI 1040 çelik çiftinin anahtar deliği plazma kaynak yöntemi ile birleştirilmesi, mikroyapı ve mekanik özelliklerin araştırılması
Investigation of microstructure and mechanical properties of AISI 430/AISI 1040 steel couple welded by keyhole plasma welding tecnique
TANJU TEKER
Doktora
Türkçe
2010
Teknik EğitimFırat ÜniversitesiMetalurji Eğitimi Ana Bilim Dalı
DOÇ. DR. NİYAZİ ÖZDEMİR
- Elektro kıvılcım kaynak yöntemi ile demir esaslı ve demir dışı metallerin kaynaklanabilirliği
The weldability of ferrous and nonferrous materi̇als by using electro spark welding technique
ZİYA BOZOĞLU
Yüksek Lisans
Türkçe
2015
Teknik EğitimGazi ÜniversitesiMetal Eğitimi Ana Bilim Dalı
PROF. DR. ADEM KURT