Derin öğrenme yöntemiyle alın frezeleme yapılmış parçalarda yüzey pürüzlülüğünün belirlenmesi
Determination of surface roughness in face milled partsusing deep learning method
- Tez No: 972842
- Danışmanlar: PROF. DR. NECİP FAZIL YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Ürün Geliştirme ve Tasarım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yüzey pürüzlülüğü, metal malzemelerin işlenmiş yüzeylerinde oluşan mikro düzeydeki düzensizlikleri ifade etmekte olup sanayi sektöründe ürün kalitesini doğrudan etkileyen kritik bir parametredir. Geleneksel yöntemlerle yüzey kalitesinin değerlendirilmesi zaman alıcı ve subjektif olabilmektedir. Bu nedenle, yüzey pürüzlülüğünün hızlı, nesnel ve güvenilir biçimde analiz edilmesine yönelik yeni yaklaşımlara ihtiyaç duyulmaktadır. Bu çalışmada, alın frezeleme yöntemi kullanılarak farklı devir ve ilerleme hızlarında elde edilen yüzeyler, dijital görüntü işleme teknikleri ve derin öğrenmeye dayalı Evrişimli Sinir Ağı modeliyle sınıflandırılmaktadır. Deneysel aşamada toplanan veriler, modelin doğruluk, hassasiyet ve genellenebilirlik performansları istatistiksel analizler olan Taguchi ve ANOVA ile değerlendirilmektedir. Bu yöntem, yüzey pürüzlülüğünün nesnel, hızlı ve otomatik olarak belirlenmesini sağlayarak üretim süreçlerinde kalite kontrol mekanizmalarının gelişmesine katkı sağlamaktadır. Elde edilen sonuçlar, modelin özellikle belirli işleme parametrelerinde yüksek sınıflandırma başarısı gösterdiğini ve sistemin genel olarak güvenilir bir performans sergilediğini ortaya koymaktadır. Bu çalışma, yapay zekâ ve görüntü işleme teknolojilerinin endüstriyel uygulamalarına pratik ve yenilikçi bir katkı sağlamakta, yüzey kalitesi analizlerinde geleneksel yöntemlerin yerine geçebilecek etkili bir alternatif sunmaktadır.
Özet (Çeviri)
Surface roughness refers to micro-level irregularities occurring on the machined surfaces of metal materials and is a critical parameter that directly affects product quality in the industrial sector. Assessing surface quality using traditional methods can be time-consuming and subjective. Therefore, new approaches are needed to analyze surface roughness quickly, objectively, and reliably. In this study, surfaces obtained using the face milling method at different rotational speeds and feed rates were classified using digital image processing techniques and a deep learning-based Convolutional Neural Network model. Data collected during the experimental phase were evaluated using statistical analyses such as Taguchi and ANOVA to assess the model's accuracy, precision, and generalizability. This method contributes to the development of quality control mechanisms in manufacturing processes by enabling objective, rapid, and automated determination of surface roughness. The results demonstrated that the model demonstrated high classification success, particularly for certain processing parameters, and that the system demonstrated overall reliable performance. This study provides a practical and innovative contribution to the industrial applications of artificial intelligence and image processing technologies, offering an effective alternative to traditional methods for surface quality analysis.
Benzer Tezler
- Alın frezeleme işleminden geçmiş parçaların görüntü işleme yöntemiyle yüzey kalitesinin kontrolü
Surface quality control of face-milled parts using image processing
MOHAMMAD MOSAAB ABO ALHOUS
Yüksek Lisans
Türkçe
2025
Mekatronik MühendisliğiSelçuk ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZİYA ÖZÇELİK
- Parkinson hastalığının teşhisinde ses verileri üzerinden makine öğrenmesi ve derin öğrenme yöntemlerinin incelenmesi
Investigation of machine learning and deep learning methods on voice data in diagnosis of Parkinson's disease
İBRAHİM HALİL GÖKÇİN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHarran ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NAGEHAN İLHAN
- Evrişimli sinir ağları kullanarak beyin tümörü evrelerinin sınıflandırılması
Classification of brain tumor grades using convolutional neural networks
ESRA KARAOĞLU
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN SOYSAL
- Makine öğrenmesi yardımıyla zincir restoran gıda satışlarının tahmin edilmesi ve hava durumunun etkisinin incelenmesi
Forecasting food sales on chain restaurant and investigating weather effect on sales by using machine learning methods
SEZGİ ŞENER
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAŞAR ÖZTAYŞİ
- Instructors' implementation of the 21st century skills (the 4Cs) in tertiary level English language teaching classes
Öğretim görevlilerinin üniversite hazırlık düzeyi İngilizce dil öğretim sınıflarında 21. yüzyıl becerilerini (4C) uygulamaları
SİDAR BOZKUR
Doktora
İngilizce
2025
İngiliz Dili ve Edebiyatıİstanbul Aydın Üniversitesiİngiliz Dili ve Edebiyatı Ana Bilim Dalı
PROF. DR. BİRSEN TÜTÜNİŞ