Automatic measurement of springback using image processing method: An experimental approach

Yıl 2024, Cilt: 13 Sayı: 3, 785 - 791, 15.07.2024

Süleyman Kılıç , Mehmet Fatih Demirdöğen

https://doi.org/10.28948/ngumuh.1442077

Öz

This research focuses on the automatic measurement of springback angle using image processing techniques on photographs of bent samples. A program has been developed as an alternative to traditional universal angle gauges, which can exhibit variability due to user error. In this study, springback measurements were made using a universal angle gauge on samples subjected to bending at different angles. In addition, automatic springback values were obtained from photographs of the samples using the developed program. The effects of image processing techniques such as photo filtering and edge detection methods were investigated and different methods were experimented with. The developed program successfully detected springback angles on both original and filtered photographs. The results obtained indicate a high degree of accuracy in the measurements. When measuring, the Gaussian filtering method provides the lowest error rate, while the Sobel and Prewitt algorithms have been determined as the most suitable algorithms based on the tests conducted.

Anahtar Kelimeler

Image processing, springback, filtering effect, edge detection algorithms

Proje Numarası

MMF.A4.23.008

Görüntü işleme yöntemi ile geri esnemenin otomatik ölçümü: Deneysel bir yaklaşım

Öz

Bu araştırma, bükülmüş numunelerin fotoğrafları üzerinden görüntü işleme tekniği kullanılarak geri esneme açısının otomatik olarak ölçülmesine odaklanmaktadır. Geleneksel evrensel açı ölçerlerin kullanımındaki kullanıcı hatalarından kaynaklanan değişkenlik sorunlarına alternatif olabilecek bir program geliştirilmiştir. Çalışmada, farklı açılarda bükme işlemine tabi tutulan numuneler üzerinde evrensel açı ölçer ile geri esneme ölçümleri gerçekleştirilmiştir. Ayrıca, geliştirilen program ile numunelerin fotoğrafları aracılığıyla geri esneme değerleri otomatik olarak elde edilmiştir. Bu süreçte, fotoğraf filtreleme yöntemleri ve kenar tespit yöntemleri gibi görüntü işleme tekniklerinin etkisi incelenmiştir. Geliştirilen program, orijinal fotoğrafların yanı sıra filtrelenmiş fotoğraflar üzerinde geri esneme açılarını başarıyla tespit etmiştir. Elde edilen sonuçlar, yüksek doğrulukta ölçümler elde edildiğini göstermektedir. Ölçüm yapılırken en düşük hata oranını Gaussian filtreleme yöntemi sağlarken, Sobel ve Prewitt algoritmaları ise uygulanan testler çerçevesinde en uygun algoritmalar olarak belirlenmiştir.

Anahtar Kelimeler

Görüntü işleme, geri esneme, filtreleme etkisi, kenar tespit algoritmaları

Destekleyen Kurum

Kırşehir Ahi Evran Üniversitesi Bilimsel Araştırma Projeleri Koordinasyon Birimi

Proje Numarası

MMF.A4.23.008

Kaynakça

• R. C. Stephens, J.J. Ward, Properties of Materials. Applied Mechanics, Macmillan Education UK, 99-107, 1972. https://doi.org/10.1007/978-1-349-00870-4_9
• W. D. Carden, L. M. Geng, D. K. Matlock, R. H. Wagoner, Measurement of springback. International Journal of Mechanical Sciences, 44(1), 79-101, 2002. https://doi.org/10.1016/S0020-7403(01)00082-0
• S. Chikalthankar, G. Belurkar, V. Nandedkar, Factors affecting on springback in sheet metal bending: a review. International Journal of Engineering and Advanced Technology, 3(4), 247-251, 2014.
• R. H. Wagoner, H. Lim, M.-G. Lee, Advanced Issues in springback. International Journal of Plasticity, 45 3-20, 2013. https://doi.org/10.1016/j.ijplas.2012.08.006
• Z. Cinar, M. Asmael, Q. Zeeshan, B. Safaei, Effect of springback on A6061 sheet metal bending: a review. Jurnal Kejuruteraan, 33(1), 13-26, 2021. https://doi.org/10.17576/jkukm-2020-33(1)-02
• S. Carmignato, A. Voltan, E. Savio, Metrological performance of optical coordinate measuring machines under industrial conditions. CIRP Annals, 59(1), 497-500, 2010. https://doi.org/10.1016/j.cirp.2010.03.128
• L. D’Acquisto, L. Fratini, An Optical Technique for Springback Measurement in Axisymmetrical Deep Drawing Operations. Journal of Manufacturing Processes, 3(1), 29-37, 2001. https://doi.org/10.1016/S1526-6125(01)70031-X
• J. Jans, Get More Out of Your CMM. Quality, 48(5), 32, 2009.
• G. Samtaş, M. Gülesin, Sayısal görüntü işleme ve farklı alanlardaki uygulamaları. Ejovoc (Electronic Journal of Vocational Colleges), 2(1), 85-97, 2011.
• K. K. Çevik, A. Çakı, Görüntü İşleme Yöntemleriyle Araç Plakalarının Tanınarak Kapı Kontrolünün Gerçekleştirilmesi. Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 10(1), 31-38, 2010.
• H. Y. Demirbaş, İ. Dursun, Buğday tanelerinin bazı fiziksel özelliklerinin görüntü işleme tekniğiyle belirlenmesi. Journal of agricultural sciences, 13(03), 176-185, 2007.
• S. Solak, U. Altınışık, Görüntü işleme teknikleri ve kümeleme yöntemleri kullanılarak fındık meyvesinin tespit ve sınıflandırılması. Sakarya University Journal of Science, 22(1), 56-65, 2018.
• B. Şin, İ. Kadıoğlu, İnsansız hava aracı (İHA) ve görüntü işleme teknikleri kullanılarak yabancı ot tespitinin yapılması. Turkish journal of weed science, 22(2), 211-217, 2019.
• A. Eldem, H. Eldem, A. Palali, Görüntü işleme teknikleriyle yüz algılama sistemi geliştirme. Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, 6(2), 44-48, 2017.
• K. Sabancı, C. Aydın, Görüntü işleme tabanlı hassas ilaçlama robotu. Journal of Agricultural Sciences, 20(4), 406-414, 2014.
• M. Kuncan, H. M. Ertunç, G. Küçükyıldız, B. Hızarcı, H. Ocak, S. Öztürk, Görüntü işleme tabanlı zeytin ayıklama makinesi. Otomatik Kontrol Ulusal Toplantısı, 459-464, 2013.
• K. Sabancı, C. Aydın, M. F. Ünlerşen, Görüntü işleme ve yapay sinir ağları yardımıyla patates sınıflandırma parametrelerinin belirlenmesi. Journal of the Institute of Science and Technology, 2 (2 Sp: A), 59-62, 2012.
• Y. Sarıkaya, O. M. R, Bilgisayarlı tomografide yeni görüntü işleme teknikleri. Trd Sem, 8, 1-20, 2020.
• İ. Soyhan, S. Gurel, S. A. Tekin, Yapay Zeka Tabanlı Görüntü İşleme Tekniklerinin İnsansız Hava Araçları Üzerinde Uygulamaları. Avrupa Bilim ve Teknoloji Dergisi, (24), 469-473, 2021.
• A. E. Aaytan, Y. Öztürk, E. Örgev, Görüntü işleme. Journal of Istanbul University Faculty of Dentistry, 27(4), 273-277, 1993.
• F. Aydemir, B. G. Cakan, A. Durmuş, K. Çavdar, Determination of press brake bending parameters for Hardox 400 steel. Uludağ Üniversitesi Mühendislik Fakültesi Dergisi, 27(1), 325-340, 2021.
• E. Billur, B. Çetin, B. Baranoğlu, T. Muratoğlu, M. M. Yılmaz, Yüksek dayanımlı çeliklerin bükümünde geri esneme açısının görüntü işleme ile belirlenmesi. Makina Tasarım Ve İmalat Dergisi, 17(1), 16-20, 2019.
• S. Kılıç, İ. Kacar, F. Öztürk, M. Şahin, O. Erdem, AA7075 Yaşlandırılmasında Farklı Ön Gerinmelerin Mekanik Özelliklere Etkilerinin İncelenmesi. International Journal of Advances in Engineering and Pure Sciences, 31, 23-32, 2019.
• O. Koçar, S. Dikici, H. Uçar, E. Baysal, Görüntü İşleme Teknikleri ile Rulo Sac Hassas Doğrultmada Silindir Konumlarının Belirlenmesi. El-Cezeri, 8(2), 604-617, 2021.
• G. M. Perihanoğlu, Dijital görüntü işleme teknikleri kullanılarak görüntülerden detay çıkarımı. Fen Bilimleri Enstitüsü, 2015.
• I. T. Young, J. J. Gerbrands, L. J. Van Vliet, Fundamentals of image processing. Delft University of Technology Delft, 1998.
• R. C. Gonzalez, Digital image processing. Pearson Education India, 2009.