Derin Öğrenme Algoritması (YOLO) ile Dinamik Test Süresince Süspansiyon Parçalarında Çatlak Tespiti

Authors : Muhammed Abdullah ÖZEL, Selim Sefa BAYSAL, Mustafa ŞAHİN

Pages : 1-5

Doi:10.31590/ejosat.952798

View : 23 | Download : 17

Publication Date : 2021-07-31

Article Type : Conference Paper

Abstract :Günümüzde Derin Öğrenme yöntemlerinin kullanımı her alanda artmıştır. Yapay Zekâ, bilgisayarın veya bilgisayar kontrolünde bir makinenın zeki canlılara benzer mekanizmalarla karar verme yeteneğine sahip olmasıdır. Kısaca Yapay Zekâ, bilgisayarın insanlar gibi düşünmesini sağlar. Derin Öğrenme bir veya daha fazla gizli katman içeren yapay sinir ağları ve benzeri makine öğrenme algoritmalarını kapsayan çalışma alanıdır. Yani en az bir adet yapay sinir ağının kullanıldığı ve birçok algoritma ile, bilgisayarın elindeki verilerden yeni veriler elde etmesidir. Derin Öğrenme alanında kullanılan birçok algoritma vardır. Bu algoritmalardan YOLO (You Only Look Once) algoritması ve Darknet modeli, yüksek işleme hızından dolayı yüksek FPS (Frame Per Second) sağlamakta ve daha net sonuçlar vermektedir. Bu sebeple bu çalışmada YOLO algoritması tercih edilmiştir. Algoritmanın 4 farklı versiyonu için denemeler yapılmış, sonuçlar karşılaştırılmış, tespit doğruluğu ve hız olarak en iyi sonuç Versiyon-4 algoritmasında sağlanmıştır. OpenCV, NumPy, SciPy gibi Python programlama dili kütüphaneleri kullanılarak tespit edilen deformelerin sayısı tespit edilmiş, tespit anları kayıt altına alınmış, bu algoritmaların test kontrol sistemi ile bilgi alışverişi sağlanarak test sisteminin durdurulması sağlanmıştır. Deformasyonlar için büyük bir veri seti oluşturulmuş ve oluşturulan bu veri seti 4 farklı algoritma versiyonlarıyla eğitim yapılmış ve uygulamaya geçilmiştir. Otomotiv yan sanayinde üretilen süspansiyon sistem bileşenlerin performansları dinamik testlerle test edilmektedir. Bu testlerde parçalar plastik deformasyona maruz kalana kadar ya da ani kırılma başlangıcı olan çatlak oluşumunda, test sisteminin durdurulması insan konrolünde yapılmaktadır. Ancak bu durumda, parçaların ilk deformasyon anı tespit edilememektedir ve aynı zamanda zaman kaybına yol açmaktadır. Bu çalışmada derin öğrenme algoritmalarından olan YOLO ile deformasyon ve çatlak oluşumu tespit edilmeye çalışılmıştır. Çalışmada ayrıca derin öğrenme, görüntü işleme ve Python kütüphanelerinin nesne tespitinde kullanımları ayrıntıyla incelenmiş, uygulama oluşturulmuş, Python programı ve Yapay Sinir Ağları kullanılarak sonuçların elde edilmesi sağlanmıştır.
Keywords : Derin Öğrenme, YOLO, Görüntü İşleme, Süspansiyon Parçaları, Deformasyon