iMAT - Malzeme Mikroyapı Analiz Platformu

Metalografik görüntülerden mekanik özellik tahmini yapan kullanıcı dostu ekosistem

1. Temel Kabiliyetler ve Analiz Süreci

Platform, mikroyapısal ve mekanik veriler arasındaki karmaşık ilişkileri çözmek için çok boyutlu bir analiz yaklaşımı kullanır:

Görüntü İşleme ve Segmentasyon

Parlatılmış haldeki görüntülerden grafit morfolojisi ve dağılımı, dağlanmış haldeki görüntülerden ise ferrit ve perlit gibi faz ve yapılar segmente edilerek analiz edilir. Her iki görüntü türünden elde edilen mikroyapısal veriler, platforma entegre istatistik ve görselleştirme araçlarıyla kullanıcıya sunulur.

Sfero
GJS Mikrograf Parlatılmış Görüntü
GJS Kontur Tespiti Grafit Tespiti
GJS Grafit Analizi Grafitlerin Morfolojik Analizi
Gri
GJL Mikrograf Parlatılmış Görüntü
GJL Kontur Tespiti Grafit Tespiti
GJL Grafit Analizi Grafitlerin Morfolojik Analizi

Mekanik Özellik Tahmini

Bir önceki adımda elde edilen grafit morfolojisi ve faz/yapı bilgileri (ferrit ve perlit gibi) girdi olarak kullanılarak sertlik ve çekme dayanımı gibi kritik mekanik özellikler tahmin edilir.

GJS Segmentasyon Parlatılmış Halde
Dağlanmış Halde Geliştiriliyor
GJL Segmentasyon Parlatılmış Halde
Dağlanmış Halde Geliştiriliyor
Segmentasyon
Derin Öğrenme Modeli Tahmin Modülü
Sertlik (HB) Çekme Dayanımı (MPa)
Mekanik Özellikler

Hata ve Kusur Tespiti Geliştiriliyor

Malzeme içindeki mikroyapısal düzensizlikleri (segregasyon, porozite, çizikler vb.) tespit ederek kalite kontrol süreçlerini hızlandırır.

Orijinal Görüntü
Çizik Kusuru Tespiti

2. Kullanıcı Arayüzü ve Fonksiyonellik Geliştiriliyor

Sanayi temsilcileri ve araştırmacılar için özel olarak tasarlanan web tabanlı arayüz, teknik uzmanlık gerektirmeden tam erişim sağlar:

  • Proje Yönetimi: Kullanıcılar kendi çalışma başlıklarını oluşturabilir ve tüm analiz geçmişlerini güvenli bir şekilde saklayabilir.
  • Veri Yükleme ve API: Optik mikrograflar, kimyasal bileşim verileri ve test sonuçları kolayca sisteme aktarılabilir; ileri düzey kullanıcılar için API entegrasyonu sunulur.
  • Gerçek Zamanlı Sonuçlar: Yüklenen veriler GPU destekli sunucularda işlenerek, hem tekil örnekler hem de tüm veri kümesi üzerinden hesaplanan raporlar anlık olarak sunulur.

3. Yapay Zeka ve Sürekli Öğrenme Altyapısı Geliştiriliyor

Sistem, statik bir yazılımın ötesinde, her veri girişiyle gelişen dinamik bir yapıya sahiptir:

  • Derin Öğrenme Modelleri: UNet ve DeepLabV3 gibi gelişmiş konvolüsyonel sinir ağı mimarileriyle en küçük detaylarda bile yüksek doğruluk sağlar.
  • Otonom Gelişim: Platform, sürekli öğrenme (continuous learning) prensibiyle çalışır; yeni veri girişleri modelin genelleme yeteneğini ve tahmin keskinliğini zamanla artırır.
  • Veri Güvenliği: Yüksek kapasiteli NAS depolama sistemleri ve şifrelenmiş veri işleme protokolleri ile kurumsal bilgi birikimi en üst düzeyde korunur.

4. Sektörel Avantajlar Geliştiriliyor

  • Maliyet ve Zaman Tasarrufu: Deneysel test ihtiyacını ve manuel analizlerdeki insan hatası riskini azaltır.
  • Eğitim ve Mentorluk: Dijital bir mentor gibi çalışarak yeni mühendislerin ve teknikerlerin eğitim sürecini hızlandırır.
  • Sürdürülebilirlik: Tahmine dayalı analizler sayesinde üretimdeki malzeme israfını ve enerji kaybını minimize eder.

Mevcut veri seti İTÜ MME'nin önceki çalışmalarından elde edilmiş olup, teknik ekipman kurulumları tamamlandığında yeni optik ve SEM mikroskoplarıyla genişletilerek yapay zeka modeli eğitimi için yeterli kapsamda nihai hacmine ulaştırılacaktır.