Evrişimli Sinir Ağları Yöntemleri ile Nozul Hasar Tespiti

Abstract

Lazer teknolojilerinin kullanımı günümüzde çeşitli sektörlerde oldukça yaygınlaşmış ve özellikle makine sektöründe kullanımı önemli ölçüde artmıştır. Makine sektöründe genellikle metal ve metal olmayan malzemelerin işlenmesinde, sac metal şekillendirme, profil işleme gibi süreçlerde, lazer kesim makineleri kullanılmaktadır. Elde edilen son ürün olan işlenmiş ürünün kalitesinin artırılması adına, lazer kesim makinelerinde karşılaşılan sorunlar incelenmiştir. Lazer kesim makinelerinin lazer kafalarında bulunan ve lazer ışınının çıkış yaptığı son materyal olan nozulda, uzun süreli kullanımlarda veya lazer kafasının sac metale ya da kesme tablasına çarpması sonucunda hasarlar oluştuğu gözlemlenmektedir. Nozulda oluşan bu hasarlar kesim kalitesini doğrudan etkilemektedir. Bu çalışmada kesim sırasında kullanılan nozulun, hasarlı veya hasarsız olarak sınıflandırılması işlemi için Evrişimli Sinir Ağları Yöntemleri kullanılmıştır. Tek katmanlı veya çift katmanlı olan iki farklı tip nozul için uzman kontrolünde hasarlı veya hasarsız olarak etiketleme yapılarak 336 adet nozulun görüntüsü alınmış ve veri seti oluşturulmuştur. Oluşturulan veri seti için nozul tipi tek katman olacak şekilde segmentasyon işlemi yapılarak maskelenmiş, sonrasında tek katmanlı tip olan nozul için merkez daire kontrolü yapılmış, merkez dairesi kesime uygun olan nozullar için çevre hasar kontrolü yapılarak sınıflandırma işlemi gerçekleştirilmiştir. Belirtilen sınıflandırma işlemleri için AlexNet, DenseNet, EfficientNet, ResNet ve VGG evrişimli sinir ağı yöntemleri kullanılmıştır. Belirtilen sınıflandırma yöntemleri, topluluk öğrenmesi (Ensemble Learning) yöntemi ile eğitilerek, nozul sınıflandırma işleminde karar verilmesi sağlanmıştır.The use of laser technologies has become quite widespread in various sectors today and its use has increased significantly, especially in the machinery sector. In the machinery sector, laser cutting machines are generally used in the processing of metal and non-metal materials, in processes such as sheet metal forming and profile processing. In order to improve the quality of the final product, the processed product, the problems encountered in laser cutting machines are examined. It is observed that the nozzle, which is located on the laser heads of laser cutting machines and is the last material from which the laser beam exits, is damaged during long-term use or when the laser head hits the sheet metal or cutting table. These damages to the nozzle directly affect the cutting quality. In this study, Convolutional Neural Network Methods were used to classify the nozzle used during cutting as damaged or undamaged. For two different types of nozzles (single nozzle and double nozzle), 336 nozzle images were taken and a data set was created by labeling them as damaged or undamaged under expert control. For the created data set, the nozzle type was masked by segmentation process as single, then center circle control was performed for the single type nozzle, and peripheral damage control was performed for the nozzles whose center circle was suitable for cutting and classification process was performed. AlexNet, DenseNet, EfficientNet, ResNet and VGG convolutional neural network methods were used for the classification process. These classification methods were trained with the Ensemble Learning method to make a decision in the nozzle classification process.