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: Belirtilmemiş.
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
- Manisa-Demirci-Köseler plaserinden titan minerallerinin kazanılması ve pigment üretimine katkı araştırmaları
Recovery of the titanium minerals from Manisa-Demirci-Köseler plocer sands and examination of their use in prgment production
SADULLAH ERTEKİN
Yüksek Lisans
Türkçe
1985
Kimya MühendisliğiGazi ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİYAZİ DELİORMANLI
- Ni-B ikili alaşım sisteminde Ni zengin bazı ara fazların manyetik özellikleri
Magnetic properties of some Ni rich intermediate phases in Ni-B binary alloy system
R.HALUK MUTLU
Doktora
Türkçe
1987
Fizik ve Fizik MühendisliğiAnkara ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ARSIN AYDINURAZ
- Güneş plajlarındaki gelişimin fotometrik incelenmesi ve flerlerin plajlara etkisi
Başlık çevirisi yok
ERDEN SOYTÜRK