Alüminyum iletkenlerin yüzeyindeki hataların derin öğrenme modelleri ile gerçek zamanlı tespiti
Real-time detection of defects on the surface of aluminum conductors with deep learning models
- Tez No: 920644
- Danışmanlar: DR. ÖĞR. ÜYESİ TAYYİP ÖZCAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay zeka, Derin öğrenme, Evrişimli sinir ağı, Yapay sinir ağı, Görüntü işleme, Kalite kontrol, Kusur tespiti, Artificial intelligence, Deep learning, Convolutional neural network, Artificial neural network, Image processing, Quality control, Defect detection
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
ALÜMİNYUM İLETKENLERİN YÜZEYİNDEKİ HATALARIN DERİN ÖĞRENME MODELLERİ İLE GERÇEK ZAMANLI TESPİTİ Tugba BAKTIR Erciyes Üniversitesi, Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, Ocak 2025 Danışman: Dr. Öğr. Üyesi Tayyip ÖZCAN ÖZET Kalite kontrol, ürün veya hizmetlerin belirlenen kalite standartlarına uygunluğunu sağlamak amacıyla gerçekleştirilen sistematik bir süreçtir. Bu süreç, her aşamada kaliteyi koruyarak hataları en aza indirmeyi ve kullanıcıya en yüksek değeri sunmayı hedefler. Bu tez çalışmasında, alüminyum iletkenlerin üretim sürecinde kalite kontrolünün yapay zeka yöntemleri ile gerçekleştirilebilirliği incelenmiştir. Günümüzde, endüstriyel kalite kontrol alanında yapay zeka, görüntü işleme ve bilgisayarla görü gibi teknolojiler geniş bir uygulama alanı bulmaktadır. Bu çalışmalarda sıklıkla derin öğrenme tabanlı evrişimli sinir ağları(CNN) kullanılmaktadır. CNN tabanlı algoritmalar, görüntü sınıflandırma, nesne tespiti ve yüz tanıma gibi karmaşık problemleri etkin ve verimli bir şekilde çözme imkânı sunmaktadır. Bu bağlamda bu tez çalışmasının temel amacı, derin öğrenme yöntemleri kullanarak endüstriyel ortamda üretilen alüminyum iletkenler üzerindeki çeşitli hataların tespit edilmesidir. Alüminyum iletkenlerdeki hatalar çok çeşitli ve spesifik olup, hata tespiti işlemi kablo üretimi yapan bir fabrikadan alınan hatalar üzerinde test edilmiştir. Bu amaç doğrultusunda, alüminyum iletkenlere ait görsellerden oluşan bir veri seti oluşturulmuş ve görseller etiketlenmiştir. Çalışmada, CNN tabanlı algoritmalardan Faster R-CNN ve YOLO modelleri kullanılarak model eğitimi gerçekleştirilmiştir. Modellerin performansı bilgisayar ortamında karşılaştırılmış ve en iyi sonuç veren model seçilmiştir. Seçilen model, imal edilen prototip üzerinde gerçek zamanlı test edilerek sistemin doğruluğu ve etkinliği gözlemlenmiştir. Bu çalışma, alüminyum iletken üretiminde kalite kontrol sürecine önemli katkılar sağlamıştır.
Özet (Çeviri)
REAL-TIME DETECTION OF DEFECTS ON THE SURFACE OF ALUMINUM CONDUCTORS WITH DEEP LEARNING MODELS Tugba BAKTIR Erciyes University, Graduate School of Natural and Applied Sciences Master Thesis, January 2025 Supervisor: Assoc. Dr. Tayyip ÖZCAN ABSTRACT Quality control is a systematic process carried out to ensure that products or services comply with specified quality standards. This process aims to minimize errors and provide the highest value to the user by maintaining quality at every stage. In this thesis, the feasibility of performing quality control in the production process of aluminum conductors with artificial intelligence methods is examined. Nowadays, technologies such as artificial intelligence, image processing and computer vision find a wide range of applications in the field of industrial quality control. Deep learning based convolutional neural networks (CNN) are frequently used in these studies. CNN-based algorithms offer the opportunity to solve complex problems such as image classification, object detection and face recognition effectively and efficiently. In this context, the main objective of this thesis is to detect various defects in industrially produced aluminum conductors using deep learning methods. The defects in aluminum conductors are very diverse and specific, and the defect detection process was tested on defects from a cable manufacturing factory. For this purpose, a dataset of images of aluminum conductors was created and the images were labeled. In the study, model training was performed using CNN-based algorithms Faster R-CNN and YOLO models. The performance of the models was compared in the computer environment and the model with the best results was selected. The selected model was tested in real time on the manufactured prototype and the accuracy and efficiency of the system were observed. This study has made significant contributions to the quality control process in aluminum conductor production.
Benzer Tezler
- The effect of deep rolling process parameters on subsurface hardness distribution in deep rolling of EN AW6061 aluminium alloys
EN AW6061 alüminyum alaşımlarında derin ovalama proses parametrelerinin yüzey altı sertlik dağılımına etkisi
MUHAMMET AYKUT ÖZDEMİR
Yüksek Lisans
İngilizce
2020
Makine MühendisliğiHacettepe ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET OKAN GÖRTAN
- Çeşitli elektrolitler içinde alüminyum yüzeyinde anodik olarak oluşturulan oksit filmleri
Anodic oxide films formed on aluminium surfaces in different electrolytes
REZZAN POLAT
- N-substituye karbazollerin endüstriyel metallerin korozyonunu önlemedeki etkileri
Corrosion inhibition effect of N-substituted carbazole on the corrosion of some industrial metals
SADIK ÖZTÜRK
- Seramiklerin yüzeylerinin metalleştirilmesi
Surface metallization of ceramics
MUHAMMET FURKAN NAR
Yüksek Lisans
Türkçe
2022
Makine MühendisliğiDokuz Eylül ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH KAHRAMAN
- İyon katkılı hidrojel ? metal kontaklarda elektriksel özelliklerin incelenmesi
Investigation of electrical properties in ion doped hydrogel - metal contacts
SEVCAN ERDOĞAN
Yüksek Lisans
Türkçe
2012
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. YAŞAR YILMAZ