Loading…
YOLOv8 nesne tespit modeli ile plastik parça yüzey kusurlarının gerçek zamanlı tespit edilmesi/
Üretim sürecinde ürünlerdeki kusurların tespit edilmesi önemli bir konudur. Tespit edilemeyen kusurlu parçaların müşterilere ulaşması firma için iyi bir izlenim oluşturmayacağından dolayı kusurların doğru bir şekilde tespit edilmesi önem arz etmektedir. Çoğu firmanın bu iş için insan gücünden yararl...
| Main Author: | |
|---|---|
| Corporate Authors: | , |
| Other Authors: | |
| Format: | Thesis |
| Language: | Turkish |
| Subjects: |
| Summary: | Üretim sürecinde ürünlerdeki kusurların tespit edilmesi önemli bir konudur. Tespit edilemeyen kusurlu parçaların müşterilere ulaşması firma için iyi bir izlenim oluşturmayacağından dolayı kusurların doğru bir şekilde tespit edilmesi önem arz etmektedir. Çoğu firmanın bu iş için insan gücünden yararlanması pek çok sorunu da beraberinde getirmektedir. İnsan görüşüyle hızlı ve doğru tespitin mümkün olmaması nedeniyle birçok hatalı parçanın üretilmesi ve sonrasında müşteriye gönderilmesi maliyete ve zaman kaybına neden olduğundan kusur tespitinin otomatik hale getirilmesi gerekmektedir. Kusurların tespit edilmesi her sektör için çok önemlidir ancak otomotiv sektöründe üretilen parçalarda görülen kusurların tespit edilmesi özellikle büyük bir önem taşımaktadır. Bu kusurlardan biri olan araç içi parçaların yüzeylerinde görülen kusurlar müşteri memnuniyetini büyük ölçüde etkilediğinden dolayı üretim sırasında dikkatli olunması gerekmektedir. Bu çalışmada, otomotiv yan sanayi sektöründe faaliyet gösteren bir firmada üretilen plastik parçalardaki kusurların YOLOv8 nesne tespit modeli kullanılarak tespiti amaçlanmıştır. Çalışma toplamda üç aşamadan oluşmaktadır. İlk aşamada firmadaki plastik parçalarda görülen kusur tipleri pareto analizi yardımıyla değerlendirilmiş ve en çok görülen kusur tipleri olarak çizik, leke ve parlama seçilmiştir. Daha sonra belirlenen üç kusur tipi için veriler toplanmış ve ön işlemeye tabi tutulmuştur. İkinci aşamada kusurlu parça görüntüleri kullanılarak YOLOv8 modellerinin eğitimi yapılmıştır. Eğitim sonucunda en yüksek mAP değeri 0,990 ile YOLOv8s modelinde, en kısa eğitim süresi ise YOLOv8n modelinde elde edilmiştir. En yüksek mAP değerini veren YOLOv8s modelinde parti boyutu (8, 16 ve 32) ve öğrenme oranı (0,005, 0,01 ve 0,02 ) üzerinden hiper parametre ayarı yapılmıştır ve en iyi çıktıyı veren değerler ile test aşamasına geçilmiştir. Parti boyutu 16 ve öğrenme oranı 0,01 hiperparametre değerleri en iyi sonucu verdiği için test aşamasında bu değerler kullanılmıştır. Üçüncü aşama olan son aşamada ise model test edilmiş ve mAP değeri 0,902 olarak elde edilmiştir. Çalışmadan elde edilen sonuçlar incelendiğinde YOLOv8 nesne tespit algoritmasının plastik parça kusurlarını tespit etmede yüksek hız ve doğrulukla çalışması üretilen parçaların kalite kontrolünde insan faktörlü hataların önlenmesi anlamında katkı sağlayacaktır. Bu yüzden yapılan tez çalışmasının, özelde çalışmanın yapıldığı firmaya genelde ise kusurlarını hızlı ve düşük maliyetle tespit etmek isteyen diğer firmalar için bir rehber olması hedeflenmektedir. |
|---|---|
| Physical Description: | 69 sayfa ; 30 cm |
| Bibliography: | Kaynakça 53-62 sayfa |