Delik delme esnasında malzeme yüzeyinde oluşan çapakların görüntü işleme ile incelenmesi ve kesme parametrelerinin optimizasyonu

Son yıllarda üretim teknolojilerinde kalite ve verimliliğin artırılmasına yönelik çalışmaların hız kazanması, özellikle talaşlı imalat süreçlerinde otomatik hata tespiti ve sınıflandırma yöntemlerinin tercih edilmesine yol açmıştır. Görüntü işleme ve yapay zekâ tabanlı yaklaşımların gelişmesiyle birlikte, klasik çapak ölçüm ve elle kontrol yöntemlerine alternatif olarak düşünülen derin öğrenme modelleri; daha hızlı, daha düşük maliyetli ve daha tekrarlanabilir çözümler sunmaları nedeniyle öne çıkmaktadır. Bu tez çalışmasında, AA6013 alüminyum alaşımında delik delme işlemleri sonrasında oluşan çapakların, mikroskop görüntülerinden oluşturulan veri kümeleri üzerinde YOLOv10n modeli ile sınıflandırılması amaçlanmıştır. Çalışmada orijinal veri setinin yanı sıra modelin genelleme kabiliyetini artırmak için orijinal veri setine sırasıyla; yatay çevirme (YÇ), 180° döndürme (D180°) ve bunların kombinasyonları olan (ÇD) uygulanarak veri seti artırılmıştır. Bununla beraber her bir veri setine, modelin hassasiyetini ve seçiciliğini değerlendirmek için farklı karar eşiği (k.e. = 0,25 ve 0,65) değerleri uygulanmıştır. Bu veri setlerine yapılan eğitimlerde iyi–orta–kötü sınıfları tahmin edilmiş, doğruluk (Accuracy), kesinlik (Precision), duyarlık (Recall) ve F1 skoru gibi başarı metrikleri hesaplanmıştır. Kurulan sistemin değerlendirilmesi sonucunda, en yüksek performansın düşük karar esiği ve en fazla veri seti adedine sahip olan Veri Seti 8'de (Accuracy=0,985; F1=0,977), artırmasız veya tekil artırmalı Veri Seti 1-4 aralığında, başarıda belirgin düşüş yaşandığı, kombinasyonlu artırmaların olduğu Veri Seti 5-7 aralığında ise, genelleme kabiliyetini iyileştirdiği görülmüştür. Ayrıca eşik değerinin yükselmesiyle Recall'un azaldığı ve yanlış negatiflerin (FN) arttığı tespit edilmiştir. Çalışmada, eğitimden elde edilen model kamera sistemi ile gerçek zamanlı uygulamaya entegre edilerek çapak sınıfının anlık olarak ekranda gösterilmesi sağlanmıştır. Elde edilen sonuçlar, geliştirilen yaklaşımın endüstriyel üretim hatlarında ve kalite kontrol uygulamalarında kullanılabilir olduğunu göstermektedir. Bu kapsamda sistem, planlama ve süreç mühendislerine; düşük/orta eşik değerleriyle ve kombinasyonlu veri artırma stratejileriyle, hızlı ve güvenilir çapak sınıflandırma için uygulanabilir bir yöntem olarak önerilmektedir.