Evrişimli sinir ağları yöntemleri ile lazer nozul görüntülerinde hasar tespiti
Damage detection in laser nozzle images with convolutional neural networks methods
- Tez No: 960715
- Danışmanlar: DOÇ. DR. ERDEM YAVUZ
- 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: Bursa Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Günümüzde metal malzemelerin kesilmesi, delinmesi ve şekillendirilmesi için lazer teknolojileri gelişmiş üretim yöntemlerinden birisidir. Lazer teknolojileri sayesinde sac metal ismi verilen işlenmemiş metal plakalar, üretim ihtiyaçlarına göre kolaylıkla işlenmektedir. Karbondioksit, oksijen, azot gibi farklı gaz tipleri ile çalışan lazer kesim metotları sayesinde, ısıl işlemlerle işlenen saç metaller, deformasyonu minimuma indirgeyerek, daha hassas ve daha iyi kesim sonucu gösterdikleri görülmektedir. Lazer makinelerinin sac işleme kapasitesine göre ebatları değişmektedir. Metrelerce uzunluk ve genişlikte olan işlenmemiş sac metalleri, üretim ihtiyaçlarına göre hazırlanan kesim programları doğrultusunda kısa sürede işleme ve iş parçacıklarını elde etme yetenekleri vardır. Bu nedenle klasik işleme yöntemlerine göre hem daha hızlı hem de daha hassas sonuçlar üretmektedir. Lazer teknolojilerinin hassas işleme kapasitesi ve teknolojinin modern olmasından kaynaklı olarak, lazer kesim makinelerinde kullanılan materyallerin, ilk üretildikleri doğrulukta ve hassasiyette olması, üretilmesi hedeflenen iş parçacıklarının hassasiyetini de doğrudan etkilemektedir. İş parçacıklarının kesim kalitesini doğrudan etkileyen faktörlerden birisi de lazer ışınının, kesim kafasından çıkarken, odak ayarının doğru ayarlanmış olması ve lazer ışının sac metalden başka hiçbir yüzeye temas etmemesidir. Lazer kesim kafalarının, sac metale en yakın olan elamanı nozuldur. Lazer kesim kafalarının son elemanı olan nozul, lazer ışının malzeme ile temasının sağlanmasında, lazer ışının odak noktası ile yardımcı gazın malzemeye tam merkezli olarak temasında, kesim sırasında sac metal üzerinden sıçrayan eriyik malzeme olan cüruf ve dumanın lazerden uzaklaştırılmasında önemli rol oynamaktadır. Lazer kesim sürecinde iş parçacıklarının, üretim sonrasında kalitesini doğrudan etkilemektedir. Genelde pirinç veya bakır malzemeden üretilen nozul materyali, kesim sırasında eriyik madde olan cürufun sıçraması, kesim sürecini doğrudan etkileyen kesim parametrelerinin yanlış belirlenmesi, iş parçacıkları için hazırlanan kesim programında yapılan hatalar ile kesim kafasının sac metal veya korumalara çarpması ya da temas etmesi, lazer makinelerini kullanan deneyimsiz veya eğitimsiz operatörler gibi pek çok farklı nedenlerden dolayı hasar alıp işlevini yitirebilmektedir. Nozul malzemesinde oluşan hasarlar veya aksaklıklar nedeniyle kesim kalitesi düşmekte veya kesime devam edilememektedir. Yapay zekanın alt dallarından olan derin öğrenme ve yapay sinir ağı (YSA) teknolojileri ile süreçlerde ihtiyaç duyulan karar verme mekanizması artık yazılımlara bırakılmıştır. Karşılaşılan problemler için elde edilen veriler yazılımlara öğretilerek, aynı problemle karşılaşıldığında, öğrenilmiş durumdan yararlanarak karar vermeleri beklenmektedir. Bu tez çalışmasında, derin öğrenme yöntemleri ile geliştirilmiş evrişimli sinir ağı modellerinden AlexNet, DenseNet, ResNet, VGG ve EfficientNet modelleri eğitilerek, lazer kesim makinelerinde kesim kalitesini doğrudan etkileyen nozul malzemesinin, kesim işlemine devam edip edemeyeceğini tespit eden sistem geliştirilmiştir. Model eğitimlerinde kullanılan nozul görüntüleri, lazer kesim makinesine montajlanmış bir kamera yardımıyla elde edilmiş ve her bir görüntü hasarlı ve hasarsız olacak şekilde uzman kontrolünde etiketlenmiştir. Her bir model, eğitildikten sonra veri seti üzerinde gerçekleştirdikleri tahminlerden öğrenen ve nihai sonucu belirleyen topluluk öğrenmesi yöntemi geliştirilmiştir.
Özet (Çeviri)
Today, laser technologies are one of the advanced production methods for cutting, punching and shaping metal materials. Thanks to laser technologies, unprocessed metal plates called sheet metal can be easily processed according to production needs. Thanks to laser cutting methods that work with different gas types such as carbon dioxide, oxygen and nitrogen, sheet metals processed with heat treatments show more precise and better cutting results by minimizing deformation. Laser machines vary in size according to their sheet metal processing capacity. They can process unprocessed sheet metals of meters in length and width in a short time in line with cutting programs prepared according to production needs and to obtain workpieces. For this reason, it produces both faster and more precise results than conventional processing methods. Due to the precision processing capacity of laser technologies and the modernity of the technology, the accuracy and precision of the materials used in laser cutting machines directly affect the precision of the workpieces to be produced. One of the factors directly affecting the cutting quality of the workpieces is that the laser beam, as it leaves the cutting head, must be correctly focused and the laser beam must not touch any surface other than the sheet metal. The closest element of the laser cutting heads to the sheet metal is the nozzle. The nozzle, which is the last element of the laser cutting heads, plays an important role in ensuring the contact of the laser beam with the material, the contact of the focal point of the laser beam and the auxiliary gas to the material in a fully centered manner, and the removal of slag and smoke, which are molten materials splashed on the sheet metal during cutting, from the laser. During the laser cutting process, it directly affects the quality of the workpieces after production. The nozzle material, which is generally made of brass or copper material, can be damaged and lose its function due to many different reasons such as splashing of slag, which is the molten material during cutting, incorrect determination of cutting parameters that directly affect the cutting process, errors made in the cutting program prepared for the workpieces, hitting or contacting the cutting head with sheet metal or guards, inexperienced or untrained operators using laser machines. Due to damage or malfunctions in the nozzle material, the cutting quality decreases or the cutting cannot be continued. With deep learning and artificial neural network (ANN) technologies, which are sub-branches of artificial intelligence, the decision-making mechanism needed in processes is now left to software. The data obtained for the problems encountered are taught to the software and they are expected to make decisions by utilizing the learned situation when faced with the same problem. In this thesis, AlexNet, DenseNet, ResNet, VGG and EfficientNet models, which are convolutional neural network models developed with deep learning methods, are trained to develop a system that detects whether the nozzle material, which directly affects the cutting quality in laser cutting machines, can continue the cutting process. The nozzle images used in the model training were obtained with the help of a camera mounted on the laser cutting machine and each image was labeled as damaged and undamaged under expert control. After each model is trained, an ensemble learning method is developed that learns from the predictions made on the data set and determines the final result.
Benzer Tezler
- İç mekanlarda zemin yol modeli üzerinde derin öğrenme ile otonom araçların rota takibi
Route tracking of autonomous vehicles with deep learning on the floor path model in indoor areas
MUSTAFA ERGİNLİ
Doktora
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ÇİL
- Prediction of deep learning methods using wavelet transform
Dalgacık dönüşümü kullanılarak derin öğrenme yöntemleri ile tahminleme
GÖKÇE NUR TAŞAĞIL ARSLAN
Doktora
İngilizce
2025
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SERPİL KILIÇ DEPREN
- Yeni doğan bebeklerin termal görüntülerinin derin öğrenme yöntemleri ile sınıflandırılması
Classification of thermal images of neonates with deep learning methods
AHMET HAYDAR ÖRNEK
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT CEYLAN
- Derin öğrenme yöntemiyle çok bantlı görüntülerde anlamsal bölütleme
Semantic segmentation in multi-band images with deep learning method
MEHMET ELMACI
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL ASLANTAŞ
- Derin öğrenme ile süper çözünürlüklü radar görüntüleme
Super resolution radar imaging with deep learning
İREM FADİME ERİM
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
PROF. DR. IŞIN ERER