Year: 2026
Type: article
Abstract: Havacılık sektöründe montaj ve kablaj süreçlerinde ortaya çıkan yüzey hasarları, eksik bağlantı elemanları, boşluklar ve koruyucu kılıf deformasyonları gibi yapısal ve görsel uygunsuzluklar; üretim güvenliği, kalite sürekliliği ve bakım maliyetleri açısından kritik riskler oluşturmaktadır. Bu çalışmada, havacılık montaj ve kablaj hatalarının görüntü işleme ve derin öğrenme tabanlı yöntemler kullanılarak otomatik olarak tespit edilmesine yönelik bütünleşik bir kalite kontrol yaklaşımı sunulmuştur.Çalışma kapsamında farklı revizyonlar halinde veri setleri oluşturulmuş; veri temizleme, tekrar eden görsellerin ayıklanması, görsel kalite doğrulama ve manuel etiketleme süreçleri sistematik olarak uygulanmıştır. Hazırlanan veri setleri üzerinde nesne tespit tabanlı YOLOv8 modeli kullanılarak eğitim süreçleri gerçekleştirilmiş ve farklı model revizyonlarının performansları karşılaştırmalı olarak değerlendirilmiştir. Model doğruluğunu ve tespit kararlılığını artırmak amacıyla yeniden boyutlandırma, normalizasyon ve veri artırma teknikleri uygulanmıştır.Model performansı; precision, recall, F1-score, Intersection over Union (IoU), [email protected] ve [email protected]:0.95 gibi temel performans metrikleri kullanılarak analiz edilmiştir. Elde edilen sonuçlar doğrultusunda en başarılı model yapısı belirlenmiş ve kullanıcıların görseller üzerinde hata tespiti gerçekleştirebileceği masaüstü tabanlı bir arayüz geliştirilmiştir. Geliştirilen sistemin, hata tespit süreçlerini daha hızlı, daha tutarlı ve insan kaynaklı denetim farklılıklarını azaltacak şekilde iyileştirebildiği değerlendirilmiştir. Sonuç olarak önerilen yaklaşımın, havacılık üretim ve kalite kontrol süreçlerinin dijitalleşmesine katkı sağlayabilecek uygulanabilir bir çözüm sunduğu görülmüştür.
Source: DergiPark (Istanbul University)
Authors: Tokyürek, Ali, Onaran, İbrahim
Institution: KTO Karatay University
Language: Turkish
Subfield: Industrial and Manufacturing Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7172177812