İmalat sistemlerinde derin öğrenme tabanlı doku hata tespiti

Son zamanlarda bilgisayar yazılım ve donanım teknolojisindeki gelişmelerle birlikte nesnelerin interneti, nesne sınıflandırma, nesne tespiti ve örüntü tanıma gibi kavramlar günümüzde oldukça yaygınlaşmıştır. Bu kavramlarla geliştirilen sistemler tıp, kimya, mühendislik, tarım, güvenlik sistemleri ve coğrafi bilimleri gibi birçok alanda yenilik ve kolaylık sağlamıştır. Özellikle derin öğrenme tabanlı sistemler, birçok alanda yüksek performanslar sağlamıştır. Bu tez çalışmasında, güncel derin öğrenme sistemlerini imalat sistemlerinde uyarlamak ve imalat sistemlerinde otomatik doku hata tespiti için yeni yaklaşımlarının geliştirilmesine odaklanılmıştır. Genellikle, imalat sistemlerinde yüzey/doku hata tespiti, uzman personel tarafından manuel olarak yapılmaktadır. Manuel yapılan denetimlerin zaman ve doğruluk açısından olumsuz yönleri vardır. Bunun yanı sıra uzman personel gereksiniminden dolayı maliyetlidir. Buna kıyasla, yapay zekâ destekli otomatik hata tespit sistemleri performans ve güvenirlik açısından daha başarılı sonuçlar üretebilmektedir. Bu başarılı sonuçlar sayesinde manuel denetimlerden kaynaklanan maddi kayıplar önlenebilmekte ve üretim alanında güçlü kazançlar sağlanabilmektedir. Bu bağlamda bu tez çalışmasında otomatik hata tespiti için derin öğrenme tabanlı etkili ve yeni modeller önerilmiştir. Bu modeller aşağıda sıralanmıştır: • Hata tespiti için zenginleştirilmiş öznitelik piramit ağ mimarisi, • Önemli özellikleri güçlendirmek için Derinlemesine Sıkma ve Uyarlama Bloğu (DSUB) ve DSUB tabanlı Efficient-Unet mimarisi, • Derin öğrenmede çok boyutlu mekânsal, spektral ve anlamsal öznitelikler çıkarmak için yeni bir yaklaşım, • Son zamanlarda oldukça popüler olan görüntü tabanlı dönüştürücüleri yüzey hata tespitine uyarlamak için geliştirilen Melez Dikkat Kapısı, • Swin dönüştürücü tabanlı yeni bir kodlayıcı ve kod çözücü ağ mimarisi, • Kumaş hatalarının sınıflandırılması için Derin Sinir Ağına, Çoklu Havuzlama ve Filtrelemeye dayalı yeni bir yaklaşım Önerilen bu özgün yöntemlerin başarısını analiz etmek için literatürde var olan ve güncel veri kümleri kullanılmıştır. Deneysel çalışmalarda, önerilen yöntemler güncel modeller ile karşılaştırılmıştır. Yapılan kapsamlı deneysel çalışmalardaki sonuçlara göre, hata tespiti için geliştirilen yöntemlerin etkili olduğu gözlemlenmiştir.