Havacılık sektöründe uçak yüzeyindeki hataların tespitine yönelik yapay zeka temelli bir yaklaşım
Detection of surface defects on aircraft in the aviationindustry using machine learning and yolo application
- Tez No: 887701
- Danışmanlar: PROF. DR. ALEV TAŞKIN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Havacılık sektöründe uçak yüzeyindeki hata incelemesi makro ve mikro inceleme olmak üzere ikiye ayrılır. Bu çalışmada makro inceleme kısmı analiz edilmiştir. Makro incelemede teknisyen detaya girmeden hata tespiti yapmaktadır. Uçak yüzeyindeki hata, teknisyenin ayna ve fener ile uçağı incelemesi ile tespit edilmektedir. Bu tez çalışmasında amaç, uçak yüzeyindeki hataların derin öğrenme algoritmaları ile tespit edilmesidir. Bir havayolu şirketinde izin alınarak çekilmiş 800 tane uçak yüzeyinde yer alan hata fotoğrafı ve 25 dakikalık videosu veriseti olarak kullanılmıştır. Roboflow platformu kullanılarak veri seti üzerinde YOLO (You Only Look Once) algoritma formatına uygun olarak etiketleme yapılmıştır. Algoritmanın 5 farklı versiyonu için denemeler yapılmış; YOLO V5, YOLO V6, YOLO V7, YOLO V8, YOLO V9 metotları kullanılarak eğitim ve test süreçleri işletilmiştir. Google Colab platformu kullanılarak YOLO modelleri eğitilmiştir. Böylece, bu modeller ile uçak yüzeyindeki hatalar tespit edilmiştir. Modellerin performans sonuçları değerlendirilmiş ve birbiri ile kıyaslanmıştır.
Özet (Çeviri)
In the aviation industry, defect inspection on the aircraft surface is divided into two: macro and micro inspection. In this study, the macro review part was analyzed. In macro examination, the technician detects errors without going into detail. Faults on the aircraft surface are detected by the technician examining the aircraft with a mirror and flashlight. The aim of this thesis is to detect errors on the aircraft surface using deep learning algorithms. 800 error photos and 25 minutes video on the plane surface, taken with permission from an airline company, were used as a dataset. YOLO V5, YOLO V6, YOLO V7, YOLO V8, YOLO V9 deep learning methods have been trained. With these models, errors on the aircraft surface were detected. Trials were made for 5 different versions of the algorithm. The performance results of the models were evaluated and compared with each other. Using the Roboflow platform, labeling was done on the dataset in accordance with the YOLO format. YOLO models were trained using the Google Colab platform. Errors on the aircraft surface were tried to be detected with different YOLO models.
Benzer Tezler
- Hızlı katılaşma ile yüksek mukavemetli malzemelerin üretilmesi ve kurşun-asit akümalatörlerine uygulanması
Başlık çevirisi yok
ÜMİT AKÇAL
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİM DEMİRCİ
- Yerli yapım çekiçli yem değirmenleri üzerinde bir araştırma
Başlık çevirisi yok
HASAN YUMAK
Yüksek Lisans
Türkçe
1985
ZiraatEge ÜniversitesiTarımsal Mekanizasyon Ana Bilim Dalı
PROF. DR. NUMAN SUNGUR