Metal plaka yüzey kusurlarının derin öğrenme ile tespiti
Detection of metal plate surface defects using deep learning
- Tez No: 888457
- Danışmanlar: DR. ÖĞR. ÜYESİ CEMİL KÖZKURT, DOÇ. DR. SERHAT KILIÇARSLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mekatronik Mühendisliği, Metalurji Mühendisliği, Computer Engineering and Computer Science and Control, Mechatronics Engineering, Metallurgical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bandırma Onyedi Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 64
Özet
Endüstriyel imalat proseslerinde işlenmek üzere demir-çelik ana sanayii üreticilerinden tedarik edilen metal plakaların yüzeylerinde oluşan kusurların tespiti, ilgili plakanın güvenlik, ömür, bakım maliyeti gibi değerlerinin tahmininde önemli yer tutmaktadır. Geleneksel yöntemlerle bu kusurların tespiti için kalite kontrol personeli elle ve gözle tespitler ve sınıflandırmalar yapmaktadır. Bu işlem personel kaynaklı hatalara, ihmallere veya tespit edilmesi zor olan kusurların gözden kaçması nedeniyle metal plakaların sonraki proseslere hatalı olarak aktarılması gibi sorunlara neden olabilmektedir. Bilgisayarlı görü ve derin öğrenme uygulamalarının endüstri alanında yer bulmasıyla metal plaka yüzey kusurlarının ileri teknolojik düzeyde daha düşük hata oranıyla, daha hızlı ve etkin şekilde tespit edilmesi ve sınıflandırılması mümkün hale gelmiştir. Bu çalışmada metal plaka yüzey kusurlarının tespiti için NEU Metal Surface Defects Dataset kullanılarak Python ortamında TensorFlow kütüphanesinden faydalanarak özgün bir derin öğrenme modeli oluşturulmuş, aynı zamanda öğrenme aktarımı yöntemiyle önceden eğitilmiş hazır modellerden olan başta %99,52 doğruluk oranıyla MobileNet modeli yanında, DenseNet121 ve ResNet50 modelleri kullanılarak elde edilen eğitim sonuçları, %89 doğruluk oranına sahip özgün modelle mukayese edilmiştir. Akabinde geliştirilen özgünmodelin gerçek şartlarda test edilmesi için Nvidia Jetson Nano ve Kamera kullanarak endüstriyel uygulama amaçlı bir cihaz prototipi geliştirilmiştir.
Özet (Çeviri)
In industrial manufacturing processes, detection of defects on the surfaces of metal plates supplied from iron and steel main industry manufacturers to be processed has an important place in estimating the values of the relevant plate such as safety, life, maintenance cost. To detect these defects using traditional methods, quality control personnel make manual and visual detection and classification. This process may cause problems such as incorrect transfer of metal plates to subsequent processes due to personnel errors, negligence, or overlooked defects that are difficult to detect. With the computer vision and deep learning applications finding a place in the industry, it has become possible to detect and classify metal plate surface defects more quickly and effectively with a lower error rate at an advanced technological level. In this study, an original deep learning model was created by using the TensorFlow library in the Python environment using the NEU Metal Surface Defects Dataset for the detection of metal plate surface defects, and at the same time, the training results obtained using the MobileNet model with 99.52% accuracy rate, as well as the DenseNet121 and ResNet50 models, which are pre-trained models with the transfer learning method, were compared with the original model with 89% accuracy rate. Subsequently, a device prototype for industrial application was developed using Nvidia Jetson Nano and Camera to test the original model in real conditions.
Benzer Tezler
- Electrospun nanofibers of poly(butyl acrylate-co-methyl methacrylate)/polypyrrole composites
Elektrospun yöntemi ile poli(butil akrilat-ko-metil metakrilat)/polipirol kompozitlerin elde edilmesi
DERYA AKÇÖREN
Yüksek Lisans
İngilizce
2013
Polimer Bilim ve Teknolojisiİstanbul Teknik ÜniversitesiPolimer Bilim ve Teknolojisi Ana Bilim Dalı
PROF. DR. ABDÜLKADİR SEZAİ SARAÇ
- Grafen esaslı kompozit kaplamaların korozyon ve aşınma özellikleri
Corrosion and wear properties of graphene based composite coatings
KUBİLAY KILIÇÇI
Yüksek Lisans
Türkçe
2023
Metalurji MühendisliğiSakarya ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET UYSAL
- Preparation of stable zeolite coatings for use in adsorption heat pumps
Adsorpsiyon ısı pompalarında kullanılabilecek stabil zeolit kaplamaların hazırlanması
AYLİN ATAKAN
Yüksek Lisans
İngilizce
2012
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. MELKON TATLIER
- Hull hücresi yardımıyla ni-w alaşım kaplama özelliklerinin belirlenmesi
Optimization of properties of electrodeposited ni-w alloys with hull cell
MİRAY EKMEKÇİLER
Yüksek Lisans
Türkçe
2012
Metalurji Mühendisliğiİstanbul Teknik Üniversitesiİleri Teknolojiler Ana Bilim Dalı
PROF. DR. MUSTAFA ÜRGEN
- Piezoelektrik katmanlı öngerilmeli sistemlerde yüzey ve lamb dalgalarının dispersiyonu
Near surface and lamb wave dispersion in the piezoelectric layered pre-stressed systems
İLKAY KURT
Doktora
Türkçe
2016
Fizik ve Fizik MühendisliğiYıldız Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEMİH SEZER
PROF. DR. AKBEROV SURKHAY