YOLO tabanlı derin öğrenme mimarileri kullanılarak TV paneli anomali tespiti ve analizi
TV panel anomaly detection and analysis using YOLO-based deep learning architectures
- Tez No: 1002915
- Danışmanlar: DR. ÖĞR. ÜYESİ PERİ GÜNEŞ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Gelişim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, televizyon üretim hattında yer alan ekranların test sürecinde karşılaşılan görüntü hatalarının otomatik olarak tespit edilmesi ve analiz edilmesine yönelik bir sistem geliştirilmesi amaçlanmaktadır. Geleneksel kontrol süreçlerinde insan gözüne dayalı denetim, hem zaman alıcı hem de hataya açık bir yöntemdir. Bu durum, üretim verimliliğini düşürmekte ve hatalı ürünlerin müşteriye ulaşma riskini artırmaktadır. Çalışmada, bilgisayarla görme (computer vision) ve yapay zeka (özellikle derin öğrenme tabanlı görüntü işleme algoritmaları) teknikleri kullanılarak lekelenme, kırık, görüntü hataları gibi kusurların gerçek zamanlı olarak tespit edilmesi hedeflenmektedir. Geliştirilecek sistemin üretim hattına entegre edilerek otomatik karar verme süreçlerine katkı sağlaması, hatalı ürünlerin ayrıştırılmasında insan müdahalesine olan ihtiyacı azaltması ve genel kalite kontrol performansını artırması beklenmektedir. Bu bağlamda, çalışmanın hem akademik alanda görüntü işleme temelli hata tespit sistemlerine katkı sunması hem de endüstriyel uygulamalarda kullanılabilecek pratik bir çözüm oluşturması öngörülmektedir.
Özet (Çeviri)
In this thesis study, it is aimed to develop a system for the automatic detection and analysis of image defects encountered during the testing process of screens on the television production line. In traditional inspection processes, visual inspection based on the human eye is both time-consuming and prone to errors. This situation decreases production efficiency and increases the risk of defective products reaching the customer. In the study, it is aimed to detect defects such as staining, breakage, and image errors in real time by using computer vision and artificial intelligence techniques (especially deep learning–based image processing algorithms). By integrating the system to be developed into the production line, it is expected to contribute to automatic decision-making processes, reduce the need for human intervention in the separation of defective products, and increase overall quality control performance. In this context, the study is expected to contribute to image-processing-based defect detection systems in the academic field as well as to provide a practical solution that can be used in industrial applications.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Derin öğrenme yöntemleri kullanılarak konik ışınlı bilgisayarlı tomografi görüntülerinden diş ve çene kemiğinin tespiti
Detection of teeth and jaw bone from cone-beam computed tomography images using deep learning methods
OSAMAH KHALED MUSLEH SALMAN
Yüksek Lisans
Türkçe
2021
Mekatronik MühendisliğiIsparta Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BEKİR AKSOY
DR. ÖĞR. ÜYESİ NURULLAH TÜRKER
- Osmanlıca el yazması belgeler için derin öğrenme tabanlı karakter tanıma yöntemi
Deep learning based character recognition method for Ottoman manuscript documents
ALİ ALPER DEMİR
Doktora
Türkçe
2024
Elektrik ve Elektronik MühendisliğiSüleyman Demirel ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UFUK ÖZKAYA
- Derin öğrenme yaklaşımıyla gerçek zamanlı görüntüler üzerinde tehlikeli nesne tespiti
Detection of dangerous objects in real-time images using a deep learning approach
ŞUAYİP AYKUT ATMACA
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiBursa Uludağ ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURCU ÇAĞLAR GENÇOSMAN
- Derin öğrenme ile atıksu kanal görüntülemede arızaların tespit edilmesi
Deep learning based sewage pipe line failures detection from images
MUSTAFA OĞURLU
Doktora
Türkçe
2026
Mühendislik BilimleriYıldız Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT BAYRAM