Görüntü işleme teknolojisi kullanılarak yüksek çözünürlüklü kamera görüntülerinden 3 boyutlu yazıcılarda anomali tespiti

3D yazıcı teknolojisi, endüstriyel üretimden bireysel kullanıma kadar geniş bir alanda hızla yaygınlaşarak üretim süreçlerini dönüştürmektedir. Prototipleme ve kişiselleştirilmiş üretim gibi avantajlarına rağmen, bu teknoloji baskı sürecinde meydana gelen hatalara karşı hassastır ve genellikle insan gözetimine ihtiyaç duymaktadır. Üretim sırasında sıkça karşılaşılan hatalar, malzeme, enerji ve zaman kaybına neden olmaktadır. Bu çalışmanın temel amacı, 3D baskı sürecinde oluşabilecek hataları bilgisayarlı görü ve derin öğrenme teknikleri kullanarak gerçek zamanlı olarak tespit etmektir. Bu kapsamda, FDM tipi 3D yazıcılar için iki aşamalı bir hata tespit modeli geliştirilmiştir. İlk aşamada, YOLOv11 modeli kullanılarak baskı alanının segmentasyonu gerçekleştirilmiş, ardından EfficientNet tabanlı sınıflandırma modeli ile baskı hatalarının tespit edilmesi ve sınıflandırılması sağlanmıştır. Önerilen sistem, baskı sürecinde hataları erken aşamada tespit ederek sürecin iyileştirilmesine katkı sunmayı, böylece malzeme, enerji ve zaman israfını azaltarak üretim verimliliğini artırmayı hedeflemektedir. Gerçek zamanlı test ortamında gerçekleştirilen deneyler, önerilen modelin yüksek doğruluk oranlarına ulaştığını ortaya koymuştur. Bu çalışmanın, 3D yazıcılarda anomali tespiti alanında literatüre katkı sunması ve eklemeli üretim süreçlerinin optimizasyonu için yeni bir bakış açısı sağlaması amaçlanmaktadır. Geliştirilen model, ilerleyen çalışmalarda daha geniş veri setleriyle eğitilerek farklı yazıcı türleri ve malzeme çeşitliliğine uyarlanabilir, böylece endüstriyel üretim süreçlerine entegrasyonu desteklenebilir.