A Deep Learning-Based Quality Control Application

Authors : Mehmet KORKMAZ, Mücahid BARSTUĞAN

Pages : 332-336

Doi:10.31590/ejosat.804744

View : 19 | Download : 18

Publication Date : 2020-10-05

Article Type : Research Paper

Abstract :Bu çalışma, derin öğrenme tabanlı bir kalite kontrol uygulaması ile ilgilidir. Kalite kontrol üretim aşamasının önemli bir safhasıdır. Bu süreç sayesinde üretimde oluşmuş olan ürün üzerindeki hataların tanımlanması ve tüketiciye yansıtılmaması hedeflenir. Günümüzde üretim tesislerinde ürün kontrolü için genellikle uzman kişiler çalıştırılmaktadır. Uzman kişiler tarafından sorunsuz ve sorunlu ürün arasındaki farklar kolaylıkla anlaşılabilmektedir. Öte yandan üretim hattının büyümesi, insan kaynaklı genel problemler bu türde uygulamalar için bir sorun teşkil etmektedir. Bu kapsamda uzman kişilerin yerini alabilecek bilgisayar destekli algoritmalara sıklıkla ihtiyaç duyulmaktadır. Bilgisayar tabanlı yazılımlar sayesinde ürün kontrol süreci hızlandırılabilmektedir. Ayrıca insan kaynaklı olası problemlerin önüne geçmekte mümkün olmaktadır. Bu yazılımlar koşullandırılmış çalışma şartlarında yüksek etkinlik ve doğrulukla çalışabilmesine karşın bir insanın kolaylıkla çözebileceği basit hataların üstesinden gelememektedir. Bu yüzden çoğu zaman olumlu taraflarına rağmen tercih edilmemektedir. Bu noktada son yıllarda ön plana çıkan derin öğrenme tabanlı yapay zeka algoritmaları sayesinde önemli bir gelişme sağlanmıştır. GPU’ların gelişmesi ve fiyatlarının erişilebilir olması sebebiyle çok fazla örnekle eğitim yapılabilmesinin önü açılmıştır. Örnek sayısının artması eğitim sürecinde çok daha iyi bir ağın oluşmasına imkan sağlamakta, artan hız gereksinimi de GPU’lar sayesinde karşılanabilmektedir. Çalışma içerisinde bahsedilen şemayı sağlayabilecek bir uygulama üzerinde durulmuştur. Bir inverterin üretim hattında robotlar tarafından bağlanan frenleme direnci kablolarının kontrolü için derin öğrenmenin bir alt kolu olan CNN tabanlı algoritmalar kullanılmıştır. Böylece bir bant üzerinden akan ürünlerin kablolarının bağlanması veya unutulması durumuna göre hatalı / sorunsuz ürünler tespit edilebilmiştir.
Keywords : Derin Öğrenme, Kalite Kontrol, Otomasyon, Robot Kol