Derin öğrenme yaklaşımlarıyla araç kaporta boyalarının orijinallik tespiti

Otomotiv endüstrisi, yüksek kaliteli ve güvenilir araç üretiminde boyanın önemli bir rol oynadığını kabul eder. Araç kaporta boyası, sadece estetik bir unsur olmanın ötesinde, aynı zamanda aracın dış yüzeyini çevresel faktörlere karşı koruma görevini üstlenir. Bu nedenle, araç kaporta boyalarının orijinalliği ve kalitesi, hem üreticiler hem de tüketiciler için büyük önem taşır. Günümüzde, araç kaporta boyalarının orijinalliğini tespit etme işlemi genellikle araç ekspertizlerinde boya kalınlığını ölçen mikron cihazı ya da araçların kaporta ustalarının el yordamı ve deneyime dayalı yöntemlerle yapılmaktadır. Ancak, bu yöntemler hem zaman alıcıdır hem de insan hatasına açıktır. Teknolojinin hızla gelişmesiyle birlikte, otomotiv sektöründe kalite kontrol süreçlerinde daha yenilikçi ve güvenilir yöntemlere olan ihtiyaç artmaktadır. Bu bağlamda, derin öğrenme teknolojileri, araç kaporta boyalarının orijinalliğini tespit etmek için umut verici bir çözüm olarak ortaya çıkmaktadır. Derin öğrenme, büyük veri kümeleri üzerinde öğrenme yeteneği sayesinde, karmaşık desenleri ve ilişkileri tespit edebilme kapasitesine sahiptir. Görüntü işleme teknikleri ile birleştiğinde, derin öğrenme modelleri, araç kaporta boyalarının orijinalliğini ve kalitesini yüksek doğrulukla analiz edebilir. Bu tezde, derin öğrenme tabanlı bir sistemin araç kaporta boyalarının orijinalliğini tespit etmedeki etkinliği incelenmiştir. Çalışmada, araç kaporta boyalarının birincil kaynağından olup olmadığını görüntü analizleri kullanarak tespit etmek hedeflenmiştir. Bu sayede, araç kaporta boyalarının orijinallik tespitinde bilinen yöntemlere alternatif bir yaklaşım sunulması amaçlanmaktadır. Görüntü işleme ve derin öğrenme yöntemleri kullanılarak oluşturulan bir ESA modeli, fabrika çıkışlı boyalı ve sonradan boyanmış araçlardan alınmış toplam 2000 görüntü örnekleri üzerinde eğitilmiştir. Veri kümesi, %80-%20 eğitim ve doğrulama setlerine bölünüp ResNet50, VGG16, InceptionV3, EfficientNetB0, MobileNetV2 ESA modelleri ile test edilerek en yüksek doğruluk oranı InceptionV3 ile %98 olarak hesaplanmıştır. Bu sonuçlar, derin öğrenmenin araç boyalarının orijinalliğini tespit etmek için kullanılabilir olduğunu göstermektedir, ancak modelin doğruluğunu artırmak için daha fazla veri ve farklı model yapılarına ihtiyaç duyulabilir.