Masif Panel Üretiminde Kullanılan Lameller Üzerinde Derin Öğrenme ile Budak Tespiti ve Segmentasyonu
Yazarlar (2)
Merve Özkan Türkiye
Doç. Dr. Caner ÖZCAN Karabük Üniversitesi, Türkiye
| Makale Türü |
Özgün Makale
(Diğer hakemli uluslarası dergilerde yayınlanan tam makale)
|
||
| Dergi Adı | Veri Bilimi | ||
| Dergi ISSN | 2667-582X | ||
| Dergi Tarandığı Indeksler | Academic Resource Index | ||
| Makale Dili | Türkçe | Basım Tarihi | 12-2022 |
| Cilt / Sayı / Sayfa | 5 / 2 / 1–8 | DOI | – |
| Makale Linki | https://dergipark.org.tr/tr/pub/veri/issue/74116/1179346 | ||
| UAK Araştırma Alanları |
Görüntü İşleme
|
||
| Özet |
| Masif panel aynı kalitede lamellerin birleştirilmesiyle oluşturulmaktadır. Lamellerin kalitelerine göre ayrılma işlemi tamamen insan gücüne dayalıdır. Bu sebepten üretim bandında yaşanan sorunlar arasında zamandan kayıp, yanlış sınıflandırma, gibi problemler yer almaktadır. Sınıflandırma işleminin basit bir şekilde uygulanması için insan gücünün yerini alabilecek otomatik bir derin öğrenme ağı sistemi, bu sorunları büyük ölçüde ortadan kaldıracaktır. Çalışma kapsamında kullanılan MASK R-CNN ile lameller üzerindeki sınıflandırmayı etkileyen yapıları verimli ve hızlı bir şekilde algılar ve her bir özellik için kaliteli bir segmentasyon maskesi oluşturur. Bu yapılar arasında birçok öznitelik yer almaktadır. Bu yapılardan biri olan budak lamel parçaları üzerinde sınıflandırma esnasında büyük rol oynayan yapılardan biridir.Üretim hattından alınan 656 görsel üzerinde Mask R-CNN ağı kullanılarak budak tespiti gerçekleştirilmiştir. 656 görsel üzerinde 1006 adet etiket ile çalışılmıştır. Eğitim için ayrılan etiket sayısı 889, test için ayrılan etiket sayısı 117 olarak belirlenmiştir. Eğitim aşamasında gerçekleştirilen iterasyon sayısı kademeli olarak artırılmış ve sonuç olarak en iyi iterasyon sayısı 250 olarak belirlenmiştir. Nesne tespiti işlemi için ortalama kesinlik değerlerinin ortalaması (mAP) değeri %84 olarak elde edilmiştir. |
| Anahtar Kelimeler |