Görüntü işleme ve yapay sinir ağları kullanılarak araç karoserisi sac yüzeyindeki elektriksel direnç nokta kaynaklarının kalite seviyelerinin tespiti
Determination of electrical resistance spot welds quality levels on automotive body sheet surfaces using image processing and artificial neural networks
- Tez No: 896767
- Danışmanlar: PROF. DR. SARP ERTÜRK
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 128
Özet
Elektrik direnç nokta kaynağı, uygulama kolaylığı, hızlı uygulanabilirliği ve maliyet gibi nedenlerle ağırlıklı olarak otomotiv sektörü olmak üzere birçok alanda kullanılmaktadır. Punta kaynak olarak da adlandırılan bu kaynak türü, seri üretim şartlarında çeşitli nedenlerden dolayı, her kaynak işleminde hedeflendiği şekilde gerçekleşmeyebilir. Bu durum, tahribatsız muayene yöntemleri kullanılarak seri üretimin takip edilmesini ve punta kaynak kalitesinin izlenmesini gerektirmektedir. Bu çalışmada, kalite uygunluk seviyelerini belirlemek amacıyla, bir yüzey üzerindeki punta kaynaklarını görüntü işleme yöntemleri ile tespit edip, yapay sinir ağları kullanarak sınıflandıran yeni bir algoritma ve bu algoritmayı uygulamak için bir yazılım geliştirildi. Punta kaynak görüntülerinin birbirine benzeyen fakat aynı olmayan yapıları nedeniyle sınıflandırmanın başarım oranını arttırmak için bugüne kadar yapılmış çalışmalardan farklı olarak, punta kaynak görüntülerinden yeni ve farklı ayırt edici öznitelikler çıkartmak amacıyla bir yöntem geliştirildi ve bu özniteliklerin karar vermede birlikte kullanılabilmesi için bir algoritma oluşturuldu. Farklı yapay sinir ağlarının bu veriler ile eğitilmeleri ve nihai sonucu üretmek için birlikte kullanılmaları üzerine geliştirilen algoritma ile robotik olmayan yöntemlerle üretilen ve görsel olarak karar vermede zorluk içeren punta kaynakların sınıflandırılmasında en az %92 başarılı sınıflandırma elde edildi. Robotik kaynak uygulamalarında ise %98 başarılı sınıflandırma oranına ulaşıldı. Geliştirilen sınıflandırma sisteminin kaynak sürecinden ve ortam şartlarından bağımsız olup yüksek hızda sonuç üretme kabiliyeti, sistemin endüstriyel ortamda seri üretim şartlarında kullanımını kolaylaştırdı. Uygulama, punta kaynakların kalite seviyesinin tespit edilmesi ve gerektiğinde önlemlerin devreye alınmasını hızlandırdı. Geliştirilen bu sistem, endüstri 4.0 yolunda dijitalleşme sürecinde ilerlemek isteyen kuruluşlara, ürün kalite seviyesinin tespiti için önemli bir destek sağlayacaktır.
Özet (Çeviri)
Electric resistance spot welding is widely utilized across various industries, particularly in the automotive sector, due to its ease of application, rapid implementation, and cost-effectiveness. Also referred to as spot welding, this method may not always be performed as intended during each welding process in mass production environments due to various factors. This necessitates the use of non-destructive testing methods to monitor mass production and track the quality of spot welds. In this study, a new algorithm and software were developed to detect spot welds on a surface using image processing techniques and classify them using artificial neural networks to determine quality compliance levels. Due to the visually similar yet distinct structures of spot weld images, a novel method was developed to extract new and distinctive features from these images, differing from previous studies, in order to enhance classification accuracy. An algorithm was devised to utilize these features collectively in the decision-making process. By training different artificial neural networks with this data and using them in combination to generate the final result, a classification accuracy of at least 92% was achieved for spot welds produced through non-robotic methods, where visual decision-making posed challenges. In robotic welding applications, a classification accuracy of 98% was attained. The developed classification system is independent of the welding process and environmental conditions, capable of producing high-speed results, facilitating its use in industrial environments under mass production conditions. This application has accelerated the identification of spot weld quality levels and the implementation of necessary measures when required. The system provides significant support to organizations aiming to advance in the digitalization process on the path to Industry 4.0 by enabling the detection of product quality levels.
Benzer Tezler
- Kemik metastazlarının görüntü işleme ve yapay sinir ağları yöntemleri ile tespiti
Computer aided detection of bone metastasis via image processing and artificial neural network
ALİ ASLANTAŞ
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. MURAT ÇAKIROĞLU
- Yapay sinir ağları kullanılarak araç plakalarının tanınması
License plate recognition using artificial neural networks
KİRAMİ KAÇAN
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İBRAHİM TÜRKYILMAZ
- Yapay sinir ağları ile optik karakter tanıma
Optical character recognition with artificial neural network
MURATCAN UZTEMUR
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. AFİFE LEYLA GÖREN SÜMER
- Yapay zeka yöntemleri ile araç plaka tanıma sistemi
Vehicle license plate recognition system with artificial intelligence methods
KERİM KÜRŞAT ÇEVİK
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. HASAN ERDİNÇ KOÇER
- Biyosınıflandırma ve analiz aracı tasarım ve gerçekleştirimi
Bio-classification and analysis tool design and implementation
HÜSEYİN ATASOY
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAKUP KUTLU