Rüzgâr türbinlerinin kanat görüntülerinden derin öğrenme tabanlı hasar tespiti ve sınıflandırması
Deep learning based defect detection and classification from wind turbine blade images
- Tez No: 925875
- Danışmanlar: PROF. DR. AYDOĞAN SAVRAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Görüntü İşleme, Derin Öğrenme, YOLOX, Doğruluk Oranı, Rüzgâr Türbinleri, Hasar Tespiti, Image Processing, Deep Learning, YOLOX, Accuracy, Wind Turbines, Damage Detection
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Bilim Dalı
- Sayfa Sayısı: 80
Özet
Bu tezde, rüzgâr türbin kanatlarında meydana gelen hasarların, görüntü işleme ve derin öğrenme yöntemleri kullanılarak otomatik olarak tespit edilmesi ve sınıflandırılması amaçlanmıştır. Çalışma kapsamında, Mendeley veri seti gibi çeşitli kaynaklardan elde edilen türbin görüntüleri üzerinde hasar türleri etiketlenmiştir. Veri önişleme adımlarında, sınır kutusu formatına dönüştürülmüş ve model mimarileriyle eğitime uygun hale getirilmiştir. Çalışmada, Bölgesel Tabanlı Evrişimli Sinir Ağları (RCNN), YOLO ailesine ait YOLOv3, YOLOv4 ve YOLOX modelleri kullanılmıştır ve yüksek doğruluk oranları hedeflenmiştir. Aralarından en yüksek performans YOLOX ile elde edilmiştir. Model eğitimi sürecinde, 100'den fazla görüntülük bir eğitim veri seti ve optimize edilmiş hiper parametrelerle, türbin kanatlarında aşınma, hasarlı, kenar hasarı ve kirlilik gibi hasar türleri ve temiz yüzeyler gibi sınıflar başarıyla sınıflandırılmış ve tespit edilmiştir. Doğruluk oranı, F1 skoru ve hassasiyet gibi ölçütler değerlendirilmiş, modellerin performansı detaylı bir şekilde analiz edilmiştir. YOLOX modeliyle gerçekleştirilen eğitim süreci sonrası test veri seti sonucunda, %95,56 doğruluk oranı elde edilmiştir. Bu sonuç, hem modelin performansının yüksek olduğunu göstermekte hem de rüzgâr türbin kanatlarının hasar tespiti ve sınıflandırılması süreçlerinde derin öğrenme tabanlı yaklaşımların etkili bir çözüm sunduğunu kanıtlamaktadır.
Özet (Çeviri)
This thesis aims to automatically detect and classify damages occurring on wind turbine blades using image processing and deep learning methods. In the study, damage types were labeled on turbine images obtained from various sources, such as the Mendeley dataset. During the data preprocessing steps, the images were converted into a bounding box format and prepared for training with model architectures. Region-Based Convolutional Neural Networks (RCNN) and models from the YOLO family, including YOLOv3, YOLOv4, and YOLOX, were utilized in the study, aiming for high accuracy rates. Among these, the highest performance was achieved with YOLOX. During the model training process, a training dataset of over 100 images and optimized hyperparameters were used to successfully detect and classify damage types such as erosion, damaged areas, edge damage, and contamination, as well as clean surfaces. Metrics such as accuracy, F1 score, and precision were evaluated, and the models' performances were analyzed in detail. Following the training process conducted with the YOLOX model, a test dataset accuracy of 95.56% was achieved. This result demonstrates the high performance of the model and proves that deep learning-based approaches provide an effective solution for damage detection and classification of wind turbine blades.
Benzer Tezler
- Investigation of wind turbine effects on radar performance
Rüzgar türbinlerinin radar performansı üzerindeki etkilerinin araştırılması
OSMAN KARABAYIR
Doktora
İngilizce
2016
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR
- Wind turbine protection and modelling
Rüzgar türbinleri koruma ve modelleme
ERIC NDUWAYEZU
Yüksek Lisans
İngilizce
2015
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET BAYRAK
- Biyomimetik ve tersine mühendislik yöntemleriyle küçük ölçekli, yatay eksenli rüzgar türbini kanat tasarımı
Small scale, horizontal axis wind turbine blade design; by using biomimetics and reverse engineering methods
BARIŞ ARSLAN
Yüksek Lisans
Türkçe
2015
İnşaat MühendisliğiEskişehir Osmangazi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HASAN SELİM ŞENGEL
- Dikey eksenli rüzgar türbini kanat tasarımı ve hesaplamalı akışkanlar dinamiği analizi
Vertical axis wind turbine blade design and computational fluid dynamics analysis
MUSTAFA SAİT CANOĞLU
Yüksek Lisans
Türkçe
2022
Makine MühendisliğiNecmettin Erbakan ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. HÜSEYİN KURT
- Değişken hızlı - değişken kanat açılı rüzgar türbinlerinin tork ve kanat açısı kontrolü
Torque and blade pitch control of variable speed variable pitch wind turbines
ŞEHMUS FİDAN
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiAfyon Kocatepe ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
PROF. DR. HASAN ÇİMEN