UR5 işbirlikçi robotla farklı geometrik şekillere sahip nesnelerin sınıflandırılması

Günümüzde makine öğrenmesi, literatürdeki yapay zekâyla ilgili çalışmaların büyük bir alt kümesini oluşturmaktadır. Derin öğrenme teknikleri ise, evrişimli sinir ağlarının kullanıldığı, özelleştirilmiş bir makine öğrenmesi tekniğidir. Derin öğrenme tekniklerinde, nesne tanıma ve sınıflandırma problemlerinde, eğitim için kullanılan veri setinden istenilen özelliklerin kullanıcı tarafından elle çıkartılmasına gerek kalmamaktadır. Derin öğrenme ile görüntü işleme tekniklerinde, sinir ağları üzerinden, eğitim verisi işlenerek, sınıflandırma için gerekli özelliklerin otomatik olarak çıkarılması avantajına sahiptir. Bu tez kapsamında, bir üretim bandından teker teker ve rastgele bir düzenle gelmekte olan vida, pul ve somun gibi farklı geometrik özelliklerdeki malzemelerin sınıflandırılması için, derin öğrenme tekniklerini kullanarak malzemenin ne olduğunu tespit eden MATLAB tabanlı bir nesne tanıma yazılımı hazırlanmıştır. Hazırlanan yazılımda kullanılacak nesne tanıma algoritmasına karar vermek için, literatürde derin öğrenmeyle nesne tanıma problemlerinde yaygın olarak kullanılan, Alexnet, Googlenet ve Squeezenet algoritmalarının, tez çalışmasında kullanılacak vida, pul ve somunları tanıma ve sınıflandırma başarımları incelenmiştir. Her bir algoritmanın, kendi kütüphanesinde bulunan nesneler yerine, tez çalışmasının konusu olan vida, pul ve somunları tanıyıp sınıflandırabilmesi için, bu nesnelerin fotoğraflarından oluşan ortak bir veri seti hazırlanmıştır ve her bir algoritma, bu veri seti kullanılarak aktarım öğrenme yöntemiyle eğitilmiştir. Eğitilen algoritmaların başarımları; öncelikle veri setinin test için ayrılan fotoğraflarıyla yazılım ortamında test edilmiş, devamında USB tabanlı bir web kamerası kullanılarak, donanım ortamında kıyaslama testi yapılmıştır. Yazılım ve donanım ortamında gerçekleştirilen testler sonrasında, tezin konusu olan nesne sınıflandırma problemi için en uygun algoritmanın Squeezenet algoritması olduğu görülmüştür. Squeezenet algoritması kullanılarak hazırlanan nesne tanıma yazılımı, her bir tahmin durumu için, UR5 işbirlikçi robota TCP/IP üzerinden farklı bir mesaj göndererek haberleşmektedir. Robotun yapacağı hareketleri kontrol etmek amacıyla, UR5 robotun kendi multimedya arayüzü üzerinden, Polyscope programlama arabirimiyle robot kontrol yazılımı hazırlanmıştır. Robot kontrol yazılımı, TCP/IP üzerinden belirli bir portu sürekli olarak dinleyerek, MATLAB tabanlı nesne tanıma yazılımının çıktısı olan tahmine göre iletilen mesajları almakta ve gelen mesaja göre robot kol harekete geçerek malzemeyi alıp her malzemeyi ait olduğu kutulara atarak sınıflandırma işlemini gerçekleştirmektedir. Tezin çalışma konusu olan vida, pul ve somunların mıknatıslanma özelliği bulunduğu için robot kolun uç işlevcisi olarak gerilim kontrollü bir elektromıknatıs kullanılmıştır. Polyscope tabanlı robot kontrol yazılımında her bir malzeme için robot kolun yapması gereken işlemlere dair farklı senaryolar oluşturulmuştur. Son olarak oluşturulan sistemin başarımı test edilmiş ve sistemin tüm yazılım ve donanımlarıyla birlikte yüksek başarımla çalıştığı görülmüştür.