Çoklu kameralı kalite kontrol sistemleri için gerçek zamanlı paralel hesaplama kullanan makine görmesi yaklaşımı

Günümüzde, piyasaya sürülen yetenekli makine öğrenmesi modelleri ve bu modellerin üzerinde kolaylıkla çalışabileceği güçlü donanımlar sayesinde makine öğrenmesi teknolojisi birçok alanda olduğu gibi endüstriyel alanda da geniş bir kullanım alanına sahip olmuştur. Bu alanda makine öğrenmesi tekniklerinin önemli kullanım amaçlarından birisi de ürünler üzerinde hata olup olmadığını kontrol eden bilgisayarlı görü temelli kalite kontrolüdür. Önceleri insanlar tarafından yerine getirilen, görme ve karar verme yeteneklerine dayanan bu görevler şimdilerde akıllı sistemler aracılığıyla yerine getirilmeye çalışılmaktadır. Bu amaçla çalışmada, Makine öğrenmesi alanında yeni ve popüler bir konu olan endüstriyel kalite kontrolü işlemleri için bir model oluşturulmaya çalışılmıştır. Tez kapsamında geliştirilecek model için makine öğrenmesinin bir alt alanı olan yapay sinir ağlarından faydalanılmıştır. Bu amaçla, modelin nesne tanıma görevlerini yerine getirmesi amacıyla bir CNN algoritması olan YOLO tercih edilmiştir. Tanıma algoritması tarafından tanınan ve görüntüden ayıklanan nesneler daha sonra ORB algoritması kullanılarak öznitelik çıkarımı işlemine tabi tutulmuş ve kaba kuvvet algoritması ile k-en yakın komşu algoritmasının kombinasyonu kullanılarak hedef nesne ve kaynak nesne üzerinde öznitelik eşleştirmesi yapılarak karşılaştırılmaya çalışılmıştır. Çalışmada, canlı ortamdan eş zamanlı görüntüler elde edilebilmesi için 3 adet kamera kullanılmış ve bu kameralar yardımıyla hedef nesnenin farklı açılardan görüntüleri alınarak nesne tanıma algoritmasına iletilmiştir. YOLO algoritmasının, eş zamanlı nesne tanıma görevini yerine getirmesini sağlayabilmek için CUDA kütüphanesi yardımıyla, paralel işlemeye olanak veren GPU hızlandırıcı olarak kullanılmıştır. Elde edilen sonuçlar ve bulgular verilmiştir. Anahtar Kelimeler: Makine öğrenmesi, bilgisayarlı görü, yapay sinir ağları, kalite kontrolü