Görüntü işleme teknolojisi kullanılarak yüksek çözünürlüklü kamera görüntülerinden 3 boyutlu yazıcılarda anomali tespiti
Anomaly detection in 3D printers using image processing technology on high-resolution camera images
- Tez No: 935169
- Danışmanlar: DR. ÖĞR. ÜYESİ BURCU YILMAZEL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Donanımı Bilim Dalı
- Sayfa Sayısı: 92
Özet
3D yazıcı teknolojisi, endüstriyel üretimden bireysel kullanıma kadar geniş bir alanda hızla yaygınlaşarak üretim süreçlerini dönüştürmektedir. Prototipleme ve kişiselleştirilmiş üretim gibi avantajlarına rağmen, bu teknoloji baskı sürecinde meydana gelen hatalara karşı hassastır ve genellikle insan gözetimine ihtiyaç duymaktadır. Üretim sırasında sıkça karşılaşılan hatalar, malzeme, enerji ve zaman kaybına neden olmaktadır. Bu çalışmanın temel amacı, 3D baskı sürecinde oluşabilecek hataları bilgisayarlı görü ve derin öğrenme teknikleri kullanarak gerçek zamanlı olarak tespit etmektir. Bu kapsamda, FDM tipi 3D yazıcılar için iki aşamalı bir hata tespit modeli geliştirilmiştir. İlk aşamada, YOLOv11 modeli kullanılarak baskı alanının segmentasyonu gerçekleştirilmiş, ardından EfficientNet tabanlı sınıflandırma modeli ile baskı hatalarının tespit edilmesi ve sınıflandırılması sağlanmıştır. Önerilen sistem, baskı sürecinde hataları erken aşamada tespit ederek sürecin iyileştirilmesine katkı sunmayı, böylece malzeme, enerji ve zaman israfını azaltarak üretim verimliliğini artırmayı hedeflemektedir. Gerçek zamanlı test ortamında gerçekleştirilen deneyler, önerilen modelin yüksek doğruluk oranlarına ulaştığını ortaya koymuştur. Bu çalışmanın, 3D yazıcılarda anomali tespiti alanında literatüre katkı sunması ve eklemeli üretim süreçlerinin optimizasyonu için yeni bir bakış açısı sağlaması amaçlanmaktadır. Geliştirilen model, ilerleyen çalışmalarda daha geniş veri setleriyle eğitilerek farklı yazıcı türleri ve malzeme çeşitliliğine uyarlanabilir, böylece endüstriyel üretim süreçlerine entegrasyonu desteklenebilir.
Özet (Çeviri)
3D printing technology is rapidly expanding from industrial manufacturing to individual use, transforming production processes. Despite its advantages, such as prototyping and personalized manufacturing, this technology is susceptible to errors during the printing process and often requires human supervision. Errors encountered during production lead to material, energy, and time loss. The primary aim of this study is to detect errors that may occur during the 3D printing process in real time using computer vision and deep learning techniques. In this context, a two-stage fault detection model has been developed for FDM-type 3D printers. In the first stage, the YOLOv11 model is used to segment the printing area, and in the second stage, an EfficientNet-based classification model is employed to detect and classify printing defects. The proposed system aims to improve the printing process by detecting errors at an early stage, thereby reducing material, energy, and time waste while enhancing production efficiency. Real-time experimental results demonstrate that the proposed model achieves high accuracy rates. This study aims to contribute to the literature on anomaly detection in 3D printing and provide a new perspective on optimizing additive manufacturing processes. The developed model can be further trained with larger datasets in future studies, enabling adaptation to different printer types and material variations, thus facilitating its integration into industrial manufacturing processes.
Benzer Tezler
- Axisymmetric drop shape analysis for investigating surface tensions in pendant and sessile drops
Sarkıt ve sapsız damlalardaki yüzey gerilimlerini incelemek için eksenel simetrili damla şekli analizi
MUHAMMED İKBAL ARIKAN
Yüksek Lisans
İngilizce
2025
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL YALÇIN URALCAN
DR. ÖĞR. ÜYESİ DAN DANİEL
- Automated scoring of CERBB2 receptors using histogram based analysis of immunohistochemistry breast cancer tissue images
İmmünohistokimya meme kanseri görüntülerininhistogram tabanlı analiz kullanılarakCERBB2 reseptörlerinin otomatik olarak skorlanması
KAAN AYKUT KABAKÇI
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DOÇ. DR. BEHÇET UĞUR TÖREYİN
- Endüstriyel üretim hatlarında yapay zekâ destekli kalite kontrol sisteminin geliştirilmesi
Development of artificial intelligence-supported quality control system in industrial production lines
ELİF AYDAN BİKE
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKAY BAYRAK
- Young's modulus characterization of polydimethylsiloxane (PDMS) microfluidic chips for viscosity measurements
Viskozite ölçümleri için tasarlanmış polidimetilsiloksan (PDMS) mikroakışkan çiplerinin young modülü karakterizasyonu
CEYDA KÖKSAL
Yüksek Lisans
İngilizce
2024
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET CAN ERTEN
DOÇ. ONUR FERHANOĞLU
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA