Kalite kontrol amaçlı bilgisayarlı görü sistemlerinin geliştirilmesi
Development of computer vision systems for quality control purposes
- Tez No: 1002118
- Danışmanlar: PROF. DR. GÜRKAN ÖZTÜRK, DOÇ. DR. EMRE ÇİMEN
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Eskişehir Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, seramik sağlık gereçlerinin parlak ve yansıtıcı yüzeylerinde görülen kusurların güvenilir, hızlı ve açıklanabilir biçimde tespit edilmesi amacıyla derin öğrenme tabanlı bir kalite kontrol sistemi geliştirilmiştir. Önerilen yöntem, veri setinin görüntü parçası düzeyinde hazırlanması, Attention U-Net ile segmentasyon yapılması, yoğunluk tabanlı kümeleme algoritması olan DBSCAN ile son işleme uygulanması ve segmentasyon çıkarımının sınıflandırma kararına dönüştürülmesi adımlarından oluşan bütünleşik bir mimari sunmaktadır. Parlak yüzeylerdeki yansıma, parlama ve gölgelenme gibi zorlu görsel koşullara rağmen, DBSCAN'in maskeyi geometrik olarak iyileştiren etkisi sayesinde segmentasyon başarımı anlamlı ölçüde artırılmış ve Dice skoru 0.523'ten 0.642'ye yükselmiştir. Sınıflandırma sürecinde segmentasyon maskesine dayalı karar üretimi hem modelin açıklanabilirliğini artırmış hem de %93,54 doğruluk, %94,01 duyarlılık ve 0.8708 Matthews Korelasyon Katsayısı (MCC) değeri ile yüksek bir performans elde edilmesini sağlamıştır. Pilot uygulama, yöntemin 0.21 saniyelik işlem süresiyle gerçek zamanlı kalite kontrol gereksinimlerini karşıladığını ve el ile yapılan incelemeye kıyasla yaklaşık 70–95 kat hız kazandırdığını göstermiştir. Elde edilen bulgular, sistemin endüstriyel koşullarda kararlı çalıştığını, iş gücü maliyetlerini azaltma potansiyeli taşıdığını ve yansıtıcı yüzeylerde kusur tespiti için uygulanabilir bir çözüm sunduğunu ortaya koymaktadır.
Özet (Çeviri)
This thesis presents a deep learning–based quality inspection system designed to reliably and transparently detect defects on highly reflective ceramic sanitary ware surfaces. The proposed framework integrates patch-level dataset preparation, segmentation using Attention U-Net, DBSCAN-based post-processing, and a segmentation-aware classification mechanism. Despite challenging visual conditions such as specular highlights, glare, and irregular shading, DBSCAN significantly improved the geometric consistency of segmentation masks, increasing the Dice score from 0.523 to 0.642. Leveraging the refined masks, the classification module achieved high performance with 93.54% accuracy, 94.01% recall, and a Matthews Correlation Coefficient of 0.8708. A pilot deployment demonstrated that the system processes each product in approximately 0.21 seconds, enabling real-time operation and providing a 70–95× speed improvement over manual inspection. The results confirm that the proposed method remains robust under real factory variability, reduces reliance on manual labor, and offers a practical and scalable solution for defect detection on reflective industrial surfaces. Overall, the study highlights the potential of segmentation-driven deep learning approaches to enhance both efficiency and reliability in industrial quality control workflows.
Benzer Tezler
- Derin öğrenme teknikleri ile anomali içeren metal somunların hata tespit ve sınıflandırılması
Fault detection and classification of metal nuts containing anomaly by deep learning techniques
HASAN GÖKKAYA
Yüksek Lisans
Türkçe
2020
İşletmeDokuz Eylül ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. CAN AYDIN
- An efficient multi-neural network ensemble model for image classification
Görüntü sınıflandırması için verimli bir çoklu-sinir ağ topluluğu modeli
VELİ NAKÇİ
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ALTUN
- Bayes tümleştirme teknikleri kullanılarak yüzey kurma ve ayrıt sezme
Visual surface recontruction and boundary detection using bayesian integration
BİLGE GÜNSEL
Doktora
Türkçe
1993
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. ERDAL PANAYIRCI
- Metal plaka yüzey kusurlarının derin öğrenme ile tespiti
Detection of metal plate surface defects using deep learning
CAN TUNCER
Yüksek Lisans
Türkçe
2024
Mekatronik MühendisliğiBandırma Onyedi Eylül ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEMİL KÖZKURT
DOÇ. DR. SERHAT KILIÇARSLAN
- Çoklu kameralı kalite kontrol sistemleri için gerçek zamanlı paralel hesaplama kullanan makine görmesi yaklaşımı
A machine vision approach using real-time parallel computing for multi-camera quality control systems
NURETTİN MUTLU ZORLU
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE