CutMatchML - Oto Cam Kesiminde Seri Değişimini Tespit Etme

Bu proje, oto cam fabrikasındaki cam kesim makinesinin farklı zamanlardaki işlemlerini analiz ederek aynı seriye ait olup olmadığını belirlemeyi amaçlar. Cam kesim makinesinden kaydedilen hareket noktaları incelenmiş, veri işleme, özellik çıkarımı, model eğitimi ve sonuç değerlendirme adımları gerçekleştirilmiştir.

---

İçindekiler

1. Proje Hakkında
2. Veri Hazırlığı
3. Özellik Çıkarımı
4. Model Eğitimi
5. Sonuçların Analizi ve Raporlama
6. Sonuç

---

Proje Hakkında

Bu proje, cam kesim makinesinde farklı kesimlerin benzerliğini veya farklılığını analiz ederek işlemlerin aynı seriye ait olup olmadığını tespit eder.

• Her bir kesim, makinenin kaydettiği (x, y) koordinatlarından oluşan nokta kümeleri olarak temsil edilir.
• "Prev" sütunu, önceki kesime ait hareket noktalarını; "Curr" sütunu, mevcut kesim işlemi sırasında kaydedilen noktaları içerir.

---

Veri Hazırlığı

1. Veri Ön İşleme:

   • Eksik veya hatalı veriler temizlenir.
   • Veriler modele uygun formata getirilir.

2. Veri Yükleme:

   • FileLoader sınıfı, veri setini yüklemek için kullanılır.
   • load_data() fonksiyonu, her bir dosya yolundan önceki (prev_points) ve mevcut (curr_points) kesim noktalarını yükler.

---

Özellik Çıkarımı

Kesimler arasındaki benzerlik ve farklılıkların tespit edilmesi için çeşitli özellikler çıkarılır:

• Öklid Mesafesi: İki nokta arasındaki mesafe.
• Ortalama Mesafe (Mean Distance): Öklid mesafelerinin ortalaması.
• Standart Sapma: Mesafelerin tutarlılığını gösterir.
• Seri Etiketi: İki kesimin aynı seriye ait olup olmadığını belirtir.
• IoU (Intersection over Union): İki nokta kümesinin kesişim ve birleşim oranı.
• Fourier Analizi: Kesim şekillerinin frekans bileşenleri.
• Açı Analizi: Noktaların açıları arasındaki benzerlik ve farklar.

---

Model Eğitimi

Model eğitimi için ModelTrainer sınıfı kullanılır:

1. Veri Ön İşleme:
   • Eğitim ve test setleri oluşturulur.
2. Model Seçimi:
   • Random Forest veya SVM modelleri kullanılır.
   • GridSearchCV ile hiperparametre optimizasyonu yapılır.
3. Çapraz Doğrulama:
   • K-Fold yöntemi ile doğruluk değerlendirilir.
4. Özellik Önemi:
   • Modelin hangi özelliklere daha fazla önem verdiği analiz edilir.

---

Sonuçların Analizi ve Raporlama

1. Tahmin Yapma:

   • Etiketsiz veriler üzerinde tahmin yapmak için predict() metodu kullanılır.

2. Sonuçların Kaydedilmesi:

   • Tahminler bir CSV dosyasına yazılır.

3. Sonuçların Görselleştirilmesi:

   • Confusion Matrix ile tahminlerin doğruluğu analiz edilir.
   • Özellik önem analizi görsellerle sunulur.

4. Raporlama:

   • Modelin doğruluk oranı ve tahmin sonuçları raporlanır.

---

Sonuç

Bu proje, cam kesim işlemlerinin seri değişimlerini tespit etmek için makine öğrenimi algoritmalarını başarıyla kullanmıştır. Veri hazırlığından model eğitimine kadar her adım detaylı bir şekilde gerçekleştirilmiş ve uygulama sonuçları raporlanmıştır.