Endüstriyel üretim hatlarında az sayıda veri ile öğrenebilen görüntü işleme teknolojisi ile kusurlu ürün tespiti
Defected product detection in industrial assembly lines using image processing technology with limited data
- Tez No: 854814
- Danışmanlar: DR. ÖĞR. ÜYESİ İLKAY SARAÇOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Haliç Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 54
Özet
Geçmişten günümüze, sanayi devriminin başlangıcıyla seri üretim hatları her sektör için farklı şekilde geliştirilmiştir. Seri üretime geçilmesiyle, mekanik ve teknik hatalar sebebiyle bu hatlarda üretilen tüm ürünlerin hatasız çıkması mümkün olmamaktadır. Bu sebeple kalite kontrol süreçleri içinde farklı çözümler üretilmeye çalışılmıştır. Geleneksel olarak, üretim hatlarındaki hata tespiti insan gözlemciler tarafından yapılmaktadır. Bu yöntem, yüksek dikkat gerektiren ve yorucu bir iş olup, hataya açık bir süreçtir. Ayrıca, bu yöntemle hataların tespiti zaman alıcı ve maliyetli olabilir. Yapay zeka (AI) teknolojilerinin yükselişiyle birlikte, hata tespiti için yeni çözümler geliştirilmeye başlanmıştır. Yapay zeka tabanlı sistemler, hızlı ve doğru hata tespitiyle ön plana çıkmaktadır. Ancak, mevcut AI sistemlerinin etkin bir şekilde çalışabilmesi için büyük miktarda veri gerekmektedir. Dahası, özellikle az veri bulunan veya sürekli değişen üretim ortamlarında, bu sistemlerin performansı düşmektedir. Bunun sonucu olarak az veri ile anomali tespiti ayrı bir çalışma alanı haline gelmiştir. Bu çalışmada 400 hatasız ve 10 anomali içeren, metal içecek kutularıyla veri seti oluşturulmuştur. Yöntem olarak RD4AD ve RegAD modelleriyle birlikte YOLOv8 segmentasyon modeli ve RegAD'nin birleştirildiği hibrit model kullanılmıştır. Veri seti içindeki resimler üzerinde herhangi bir ön işlem gerçekleştirilmemiştir. Bu çalışmada önerilen hibrit model, YOLOv8 segmentaston modeli anomali içeren resimler üzerinde 50 dönem eğitilmiş ve RegAD için 8 atışlık yöntem kullanılarak veri seti üzerinde sonuçlar ölçülmüştür. Sonuç olarak bu çalışmada önerilen hibrit modelin özelleştirilmiş veri seti üzerinde diğer yöntemlere göre %10'dan fazla bir oranda daha semantik bir başarı gösterdiği görülmüştür.
Özet (Çeviri)
From past to present, with the beginning of the industrial revolution, mass production lines have been developed differently for each sector. With the introduction of mass production, it is not possible for all products produced on these lines to be defect-free due to mechanical and technical errors. For this reason, different solutions have been tried to be produced within the quality control processes. Traditionally, defect detection on production lines is done by human observers. This method is a tiring job that requires high attention and is a process prone to errors. Additionally, detecting errors using this method can be time-consuming and costly. With the rise of artificial intelligence (AI) technologies, new solutions have begun to be developed for error detection. Artificial intelligence-based systems stand out with fast and accurate error detection. However, current AI systems require large amounts of data to work effectively. Moreover, the performance of these systems decreases, especially in production environments where little data is available or constantly changing. As a result, anomaly detection with little data has become a separate field of study. In this study, a data set was created with 400 error-free metal beverage cans and 10 anomalies. As a method, a hybrid model combining the YOLOv8 segmentation model and RegAD along with the RD4AD and RegAD models was used. No pre-processing was performed on the images in the data set. The hybrid model proposed in this study, the YOLOv8 segmentation model, was trained on images containing anomalies for 50 periods and the results were measured on the data set using the 8-shot method for RegAD. As a result, it was observed that the hybrid model proposed in this study showed more than 10% more semantic success than other methods on our customized data set.
Benzer Tezler
- Vision based positioning ABB IRB 140 robot for gas leakage test automation
Gaz kaçak test otomasyonu için ABB IRB 140 robot için görüntü tabanlı pozisyonlama
AKIN İLKER SAVRAN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUFAN KUMBASAR
- Enerji üretim tesisleri için düşük maliyetli gaz kaçak tespit otomasyon sistem tasarımı ve uygulaması
Low cost gas leak detection automation system design and application for energy generation plants
HÜSEYİN YÜKSEL
Yüksek Lisans
Türkçe
2019
EnerjiKocaeli ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT AYAZ
- Contribution a la recherche d'un cadre juridique pour un droit international de laconcurrence plus efficace
Daha etkin bir uluslararası rekabet için hukuki çerçeve arayışı
ALİ CENK KESKİN
Doktora
Fransızca
2009
HukukGalatasaray ÜniversitesiKamu Hukuku Ana Bilim Dalı
PROF. DR. JEAN MARC SOREL
PROF. DR. HALİL ERCÜMENT ERDEM
- Basit U-tipi montaj hattı dengelemede analitik yöntemlerin karşılaştırılması
Comparing analytical methods for simple U-line line balancing problem
AYŞE ELVAN BAYRAKTAROĞLU
Yüksek Lisans
Türkçe
2007
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. MURAT BASKAK
- Akrilik mikroliflerin uzun lif eğirme sisteminde işlenebilirliğinin geliştirilmesi
Improvement of processing acrylic microfibres in long-staple spinning system
YEŞİM İRİDAĞ