Robotik kaynak işlemlerinde derin öğrenme destekli görüntü işleme ile kaynak yolu tespiti
Weld path detection in robotic welding processes with deep learning-assisted image processing
- Tez No: 927723
- Danışmanlar: PROF. DR. SELÇUK MISTIKOĞLU, DOÇ. DR. MEHMET HAKAN DEMİR
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mekatronik Mühendisliği, Mechanical Engineering, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İskenderun Teknik Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 135
Özet
Endüstri 4.0 devrimiyle birlikte, dijitalleşme ve otomasyon üretim süreçlerinde köklü değişimlere yol açmış, yapay zeka ve robot teknolojileri kaynak işlemleri gibi kritik süreçlere önemli katkılar sağlamıştır. Özellikle imalat sektöründe kaynak süreci, ürünlerin dayanıklılığı ve güvenilirliği üzerinde doğrudan etkili olduğundan, kaynak yolunun doğru ve hassas bir şekilde belirlenmesi büyük önem taşımaktadır. Bu tez çalışmasında, kaynak hatalarını minimize etmek ve üretim süreçlerini optimize etmek amacıyla yapay zeka destekli bir kaynak robotu prototipi tasarlanmış ve uygulanmıştır. Robot, basit ve uygun maliyetli olması sebebiyle pasif görüş sistemi ile donatılmıştır. Ancak pasif görüş sisteminde harici bir lazer kaynağı bulunmadığından hassasiyet sorunları yaşanabilmektedir. Bu problemleri çözmek için, yapay zeka tabanlı derin öğrenme yöntemleriyle kaynak yolunun tespiti gerçekleştirilmiştir. Çalışmada, kamera ile elde edilen iş parçası görüntüleri segmentasyon problemine dönüştürülmüş ve derin öğrenme tabanlı TransUNet ile UNet gibi yaygın kullanılan yapılar kullanılarak kaynak yolunun tespiti yapılmıştır. Modellerin farklı ortam koşullarında daha başarılı sonuçlar verebilmesi için veri çoğaltma yöntemleri uygulanmış ve model parametrelerinde çeşitli değişiklikler yapılarak en iyi tahmin performansı hedeflenmiştir. Ayrıca, model eğitimi sırasında ham görüntülerle oluşturulan veri seti üzerinde çalışmalar yapılarak performans değerlendirmesi yapılmıştır. Kaynak yolunun tespiti sonrasında, bazı durumlarda çizgiler arasında boşluklar oluşmuş ve bu boşlukların giderilmesi için iş parçası profilleri tahmin edilmiştir. Transfer öğrenimi temelli yapılar kullanılarak yapılan tahminlerin ardından, boşluklar çizgi ya da eğri uydurma yöntemleriyle tamamlanmıştır. Tahmin performansını artırmak amacıyla VGG16, VGG19 ve DenseNet121 mimarileri kullanılmış ve elde edilen sonuçlar karşılaştırılmıştır. Çalışmada oluşturulan modeller, yüksek doğruluk oranlarıyla başarılı sonuçlar vermiş ve kaynak robotlarının kaynak yolu takip hassasiyetini artırmada önemli bir katkı sağlamıştır.
Özet (Çeviri)
With the Industry 4.0 revolution, digitalization and automation have led to radical changes in production processes, and artificial intelligence and robot technologies have made significant contributions to critical processes such as welding processes. Especially in the manufacturing sector, since the welding process directly affects the durability and reliability of the products, it is of great importance to determine the welding path accurately and precisely. In this thesis, an artificial intelligence-supported welding robot prototype was designed and implemented in order to minimize welding errors and optimize production processes. The robot is equipped with a passive vision system due to its simplicity and cost-effectiveness. However, since there is no external laser source in the passive vision system, sensitivity problems may occur. In order to solve these problems, the welding path was determined with artificial intelligence-based deep learning methods. In the study, the workpiece images obtained with the camera were converted into a segmentation problem and the welding path was determined using widely used structures such as deep learning-based TransUNet and UNet. In order for the models to give more successful results in different environmental conditions, data augmentation methods were applied and the best estimation performance was targeted by making various changes in the model parameters. In addition, studies were conducted on the data set created with raw images during model training and performance evaluation was performed. After the detection of the welding path, in some cases, gaps occurred between the lines and the workpiece profiles were estimated to eliminate these gaps. After the predictions made using transfer learning-based structures, the gaps were completed with line or curve fitting methods. In order to increase the prediction performance, VGG16, VGG19 and DenseNet121 architectures were used and the obtained results were compared. The models created in the study gave successful results with high accuracy rates and made a significant contribution to increasing the welding path tracking precision of welding robots.
Benzer Tezler
- A novel gripper design based on series elastic actuator for object recognition and manipulation
Nesne tanıma ve manipülasyon için seri elastik eyleyici çalışma prensibine dayanan yeni bir uç eyleyici tasarımı
OZAN KAYA
Doktora
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞENİZ ERTUĞRUL
- İnce sacların mekanik ve mikroyapı özelliklerinin robotik tandem gazaltı kaynak yöntemi kullanılarak incelenmesi
Investigation of mechanical and microstructural properties of thin sheets by using robotic tandem gas metal arc welding method
RECEP ARICI
Doktora
Türkçe
2017
Makine MühendisliğiCelal Bayar ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HALİT DOĞAN
- Farklı özelliklerdeki otomotiv saclarının lazer kaynak uygulamaları
Laser welding applications of automotive sheet with different features
ONUR YÜCE
Yüksek Lisans
Türkçe
2023
Metalurji MühendisliğiKarabük Üniversitesiİmalat Mühendisliği Ana Bilim Dalı
PROF. DR. NİZAMETTİN KAHRAMAN
DR. MEHTAP HIDIROĞLU
- Üç parmaklı sma robot elin üretimi ve uygulama analizi
Production of three-finger sma robot hand and its practical anaysis
SAVAŞ DİLİBAL
Yüksek Lisans
Türkçe
1999
Endüstri ve Endüstri MühendisliğiGazi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ERTAN GÜNER
- Vision based positioning ABB IRB 140 robot for gas leakage test automation
Gaz kaçak test otomasyonu için ABB IRB 140 robot için görüntü tabanlı pozisyonlama
AKIN İLKER SAVRAN
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUFAN KUMBASAR