Derin öğrenme teknikleri ile anomali içeren metal somunların hata tespit ve sınıflandırılması

Bilişim ve iletişim sistemlerinde meydana gelen hızlı değişimler ve gelişimler, teknolojinin temas ettiği her alanda ani bir paradigma değişimine neden olmuştur. Bu paradigma değişimi eş zamanlı olarak endüstriyel alanda da kendisini hissettirmiş, sektörün ihtiyaçları doğrultusunda karşılığını bulmuş ve sektörün içinde Endüstri 4.0 olarak vücut bulmuştur. 4'üncü Sanayi Devrimi olarak anılan bu paradigma, içerisinde yer alan nesnelerin interneti kavramıyla birlikte birbirleriyle anlık iletişim halinde olan modern otomasyon sistemlerini, üretim teknolojilerini ve nihayetinde de akıllı endüstriyel sistemleri hayata geçirmiştir. Ortaya çıkan akıllı iletişim ağında, paylaşılan verilerin raporlaştırılıp analiz edilmesi, maliyet-etkin bir biçimde yönetilebilmesi ve verimli iş modellerinin geliştirilmesi işletmeler için büyük önem arz etmektedir. Bu süreç, endüstriyel işletmelerin iş süreçlerini akıllı sistemler ile entegre ederek geleceğe uyumlu modern otomasyon ve üretim birimlerine dönüştürmesini zorunlu kılmaktadır. Bilgisayarla görü uygulamaları, bu anlamda çağı yakalayan ve geleceğe uzanan çözümlerin başında gelmektedir. Otomasyon ve üretim sürecinden geçen işletmeler, makine öğrenmesi gibi teknikleri belirli operasyonlarına entegre etmeye başlamışlardır. Üretim süreci, endüstriyel işletmelerin hammadde kullanımı, kalite kontrol ve işletme verimliliği gibi ana başlıkları ile bir düğüm noktası oluşturduğu için özellikle bu entegrasyonda önem arz etmektedir. Bu çalışma, endüstriyel alanda, hatalı ürünleri tespit etmek ve üretim verimliliğini optimize etmek için kullanılan akıllı bir yaklaşım önermektedir. Bu çalışmanın amacı, vida ve somun üreten endüstriyel işletmelerde bilgisayarla görü ile insan faktörünün yerini alarak, üretim esnasında meydana gelen hatalı ürünleri tespit eden ve ayrıştırılmasını sağlayan, hata sebebinin belirlenmesine yardımcı olan, hata oranının düşürülmesine ve kalitenin artırılmasına katkıda bulunan, hammadde kullanımını optimize eden, üretim verimliliğini artıran ve sürecin maliyet-etkin bir şekilde işlemesini sağlayan derin öğrenmeye dayalı bir bilgisayarla görü uygulaması geliştirmektir. Bilgisayarla görü uygulaması tasarlanırken Python, OpenCV, Tensorflow Object Detection API, Tensorboard, GoogleColab, Visual Studio Code yazılım ve frameworkleri kullanılmıştır. Anahtar Kelimeler: Anomali, Hata, Bilgisayarla Görü, Derin Öğrenme, Nesne Tespit, Sınıflandırma