Yapay zeka yöntemleri ve görüntü işleme teknikleri kullanılarak elektronik kartlardaki kablo renklerinin sınıflandırılması
Classification of cable colors and verification of positions with artificial intelligence based real time image processing
- Tez No: 959329
- Danışmanlar: DOÇ. DR. KUBİLAY TAŞDELEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Isparta Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 77
Özet
Bu tez çalışmasında, elektronik üretim süreçlerinde karşılaşılan hatalı kablo lehimleme problemlerini önlemeye yönelik yapay zekâ destekli bir görüntü işleme sistemi geliştirilmiştir. Sistem, baskılı devre kartlarına (PCB) lehimlenen farklı renkteki kabloların doğru konumda olup olmadığını sınıflandırarak, üretim sırasında anlık kalite kontrol sağlamayı hedeflemektedir. Bağlantılar OK (doğru) ve NOK (hatalı) olmak üzere iki sınıfa ayrılmıştır. Çalışmada, VGG16, MobileNetV3, YOLO ve ResNet-50 gibi yaygın derin öğrenme tabanlı modeller; farklı döngü sayıları, yığın boyutları ve öğrenme oranları gibi hiper parametre ayarlarıyla, etiketlenmiş ve çeşitli renk kombinasyonlarına sahip görsel veri setleri üzerinde eğitilmiştir. Modellerin performansları doğruluk, kesinlik ve F1 skoru gibi metriklerle karşılaştırılmıştır. Test sonuçlarına göre, VGG16 modeli %97.6 genel doğruluk ve NOK sınıfında 1.00 duyarlılık ile en yüksek başarıyı göstermiştir. Geliştirilen sistem, üretim hattına entegre edilerek gerçek zamanlı çalışmakta, manuel kalite kontrol ihtiyacını azaltmakta ve hatalardan kaynaklanabilecek maddi kayıpların önüne geçmektedir. Bu çalışma, yapay zekâ ve görüntü işleme tekniklerinin endüstriyel uygulamalardaki etkinliğini gösteren ve akıllı üretim sistemlerine katkı sağlayan önemli bir örnek teşkil etmektedir.
Özet (Çeviri)
In this thesis, an artificial intelligence-supported image processing system was developed to prevent faulty cable soldering problems encountered in electronic manufacturing processes. The system aims to provide real-time quality control by classifying whether cables of different colors soldered onto printed circuit boards (PCBs) are positioned correctly. Cable connections are categorized into two classes: OK (correct) and NOK (faulty). Widely used deep learning models such as VGG16, MobileNetV3, YOLO, and ResNet-50 were trained and evaluated on labeled image datasets containing various color combinations of cable connections. During training, different values of key hyperparameters—including epoch number, batch size, and learning rate—were tested. The performance of the models was compared using metrics such as accuracy, precision, and F1 score. According to the test results, the VGG16 model achieved the highest performance with 97.6% overall accuracy and 1.00 recall for the NOK class. The developed system operates in real time when integrated into the production line, reduces the need for manual quality control, and aims to prevent material losses caused by errors. This study serves as an important example of the effectiveness of artificial intelligence and image processing techniques in industrial applications and contributes to smart manufacturing systems.
Benzer Tezler
- Yapay sinir ağları ile gömülü sistem tabanlı hatalı baskı devre kartı tespiti
Embedded system based with artificial neural networks faulty printed circuit board detection
ŞENNUR TEKİN
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERDAL BÜYÜKBIÇAKCI
- Görüntü işleme teknikleri ve yapay zeka yöntemleri kullanarak atık su arıtmada performans analizlerinin incelenmesi
Investigation of the performance analysis in wastewater treatment using image processing techniques and artificial intelligence methods
HALİME BOZTOPRAK
Doktora
Türkçe
2014
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜKSEL ÖZBAY
- Domateste yaygın görülen hastalıkların derin öğrenme yöntemi ile sınıflandırılması
Classification of common diseases in tomatoes using deep learning methods
ADNAN MOHAMMAD ANWER SHAKARJI
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ADEM GÖLCÜK
- Yüksek gerilim havai hatlarında oluşan buz yükünü çözen bir sistemin tasarımı ve uygulaması
System design and implementation to melt the ice occurring in high voltage aerial transmission lines
BAHADIR AKBAL
Doktora
Türkçe
2015
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSA AYDIN
- Design, modelling and control of a nano quadrotor withmicrocontroller based vision system for object tracking
Nesne takibi için bir nano dört rotorlu helikopterin tasarımı, modellenmesi ve mikrodenetleyici tabanlı görüntü sistemi ile kontrolü
MUSTAFA ENES KIRMACI
Yüksek Lisans
İngilizce
2023
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜLYA YALÇIN
PROF. DR. ERDİNÇ ALTUĞ