Manyetik parçacık testi sonrası çatlak tespitinde derin öğrenme algoritmalarının uygulanması
Application of deep learning algorithms in crack detection after magnetic particle testing
- Tez No: 923260
- Danışmanlar: DOÇ. DR. MEHMET AKİF ŞAHMAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
Günümüzde, metal ve malzeme endüstrisinde çatlak tespiti, yapısal sağlamlık ve güvenlik açısından kritik bir öneme sahiptir. Manyetik Parçacık Testi (MPT), metal parçalardaki yüzey kusurlarını belirlemek için yaygın olarak kullanılan bir yöntemdir. Malzemelerin doğru yöntemler kullanarak analiz edilmesi malzeme ömrü ve güvenliği açısından önem arz etmektedir. Malzemelerin gözle görülmeyen içyapısındaki hasarların tespitinde doğru yöntemler kullanılmaması kalite güvenliğini ve uzun süre dayanıklılığını negatif etkilemektedir. Geleneksel MPT teknikleri insan tabanlı yorumlama ve manuel analize dayandığından, çatlakların doğru ve hızlı bir şekilde tespit edilmesini zorlaştırmaktadır. Bu çalışmada manyetik parçacık testi görüntülerinde derin öğrenme modellerinin kullanımı incelemeyi amaçlamaktadır. Derin öğrenme algoritmaları, özellikle Evrişimli Sinir Ağları (CNN) ve benzeri modeller, büyük veri setlerinden öğrenme yeteneği sayesinde karmaşık desenleri tanıma ve sınıflandırma konusunda başarı göstermektedir. Bu çalışmanın ana hedefi manyetik parçacık testi için derin öğrenme modellerinin performansını değerlendirmek ve uygulamak olacaktır. Tez çalışmasında çatlak ve çatlak olmayan iki farklı sınıf görüntülerinden oluşan veri seti üzerinde çalışılmıştır. Bu veri seti iyi bilinen derin öğrenme yaklaşımları kullanılarak sınıflandırılmıştır ve elde edilen sonuçlar temel metrikler kullanılarak yaklaşımların performansını karşılaştırmada kullanılmıştır. Yapılan sınıflandırma sonucunda VGG16 yaklaşımı en iyi sonucu %89.04 başarı ile elde etmiştir. Bu tez çalışması, endüstriyel uygulamalarda çatlak tespiti süreçlerini otomatize etmek ve insan hatasını en aza indirgemek için önemli bir adım olacaktır. Ayrıca, manyetik parçacık testi yöntemlerinin doğruluğunu ve verimliliğini artırmak için derin öğrenme modellerinin potansiyelini göstererek, bu alanda yeni bir araştırma ve uygulama alanı açacaktır. Yapılan bu tez çalışmasına benzer bir çalışma yapılmadığı için literatüre önemli bir katkısının olacağı düşünülmektedir.
Özet (Çeviri)
In the metal and materials industry today, crack detection holds critical importance for structural integrity and safety. Magnetic Particle Testing (MPT) is a widely used method to detect surface defects in metal components. Analyzing materials using accurate methods is crucial for ensuring material longevity and safety. Failure to use proper techniques to identify invisible internal damages in materials can negatively impact quality assurance and long-term durability. Traditional MPT techniques rely on human interpretation and manual analysis, making it challenging to detect cracks accurately and efficiently. This study aims to examine the use of deep learning models in magnetic particle testing images. Deep learning algorithms, particularly Convolutional Neural Networks (CNN) and similar models, have demonstrated success in recognizing and classifying complex patterns due to their ability to learn from large datasets. The primary objective of this study is to evaluate and implement the performance of deep learning models for magnetic particle testing. In this thesis, a dataset comprising two classes crack and non-crack images was utilized. This dataset was classified using well-known deep learning approaches, and the results were compared based on key performance metrics. Among the methods employed, the VGG16 approach achieved the best result with an accuracy of 89.04%. This thesis study represents a significant step toward automating crack detection processes in industrial applications and minimizing human error. Moreover, it demonstrates the potential of deep learning models to enhance the accuracy and efficiency of magnetic particle testing methods, thereby opening new avenues for research and application in this field. As no similar study has been conducted previously, this thesis is expected to make a significant contribution to the literature.
Benzer Tezler
- Aısı 9310 çeliğinde farklı bilyalı dövme parametrelerinin mekanik özellikler üzerine etkilerinin incelenmesi
Investigation of the effects of different shot peening parameters on the mechanical properties of aisi 9310 steel
ÇİĞDEM YÜRÜK
Yüksek Lisans
Türkçe
2025
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN ÇİMENOĞLU
- A comparison of fatigue strength assessment of seam-welded joints using methods of different standards used in rail vehicle construction
Demiryolu taşıtlarında kullanılan kaynaklı bağlantıların farklı standartlardaki yöntemler ile yorulma mukavemeti değerlendirmesinin karşılaştırılması
ADA ÖZCEÇELİK
Yüksek Lisans
İngilizce
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN SÜNBÜLOĞLU
- Determination of radar detection levels of graphene coated polymer composites
Grafen kaplı polimer kompozit malzemelerin radar tespit seviyelerinin belirlenmesi
BERKE KURTULUŞ
Yüksek Lisans
İngilizce
2024
Mühendislik BilimleriYeditepe ÜniversitesiMalzeme Bilimi ve Nanoteknoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET SAFA BODUR
- Metalik damar stentlerinde restenoz riskini azaltıcı ve doğal endotelizasyon hızlandırıcı yenilikçi kaplamalar
Innovative coatings for bare metallic vascular stents for reduction of restenosis and acceleration of natural endothelization
ÇAĞATAY YELKARASI
Doktora
Türkçe
2022
Biyomühendislikİstanbul Teknik ÜniversitesiMalzeme Bilimi ve Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA KAMİL ÜRGEN
- Yüksek entropi (HfTiZrTa/Cr)B2 esaslı seramiklerin farklı yöntemler kullanılarak sinterlenmesi ve karakterizasyonu
High entropy (HfTiZrTa/Cr)B2 based boride ceramics sintered via using different methods and related characterization studies
ESİN AYSEL
Yüksek Lisans
Türkçe
2023
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. DUYGU AĞAOĞULLARI