Çift Doğrusal CNN Kullanarak Çelik Yüzey Kusurlarının Sınıflandırılması

Abstract

Çelik, endüstride oldukça fazla kullanılan yapı malzemelerinden biridir. Çelik üreticileri arasındaki rekabetin artmasıyla birlikte çelik ürünlerin yüzey kalitesi daha önemli bir hale gelmiştir. Çelik yüzeylerde oluşabilecek kusurlar tespit edilemediğinde daha büyük sorunlara neden olabilmektedir. Günümüzde, çelik yüzey kusurlarını algılama sistemleri, geleneksel kusur tespit yöntemlerinin yerini almıştır. Yüzey kusurları, sağlam çelik görünümünden farklı olarak anormal görünüme sahiptir. Bu kusurların tespiti için derin öğrenme tabanlı yöntemlerin kullanılması, pahalı yöntemlere göre birçok avantaja sahiptir. Bu nedenle, Endüstri 4.0 ile birlikte çelik ürünler üzerinde oluşabilecek kusurların tespiti için bilgisayarlı görmeye dayalı yöntemler daha yaygın olarak kullanılmaktadır. Bu çalışmada, çelik yüzeylerde oluşabilecek kusurların sınıflandırılması için çift doğrusal evrişim sinir ağı (Bilinear-CNN) kullanılmıştır. Eğitim için kullanılan veri kümesinde kusurlu ve kusursuz veriler birbirine oldukça benzerdir. Çift doğrusal havuzlama yöntemi, daha yüksek dereceli ve uzamsal sırasız bilgileri çıkarabilme yeteneğine sahiptir. Böylece benzer veri kümelerinde yüksek performans elde ettiği gösterilmiştir. Önerilen yöntemin performansı farklı ağlar için değerlendirilmiştir. %98,26 doğruluk oranıyla en yüksek sonucu Bilinear Xception modeli elde etmiştir. Sonuçlar, çift doğrusal evrişimli sinir ağının benzer görüntülerden oluşan veri kümelerini sınıflandırmada yüksek performans elde ettiğini göstermektedir.