Geri Dön

Atkı kontrol sistemlerinde atkı/çözgü açılarının kontrol yöntemleri ile tahmini

Estimation of weft / warp angles in weft straightener by control methods

PDF İndir

  1. Tez No: 1022212
  2. Yazar: MEHMET SARI
  3. Danışmanlar: PROF. DR. GARİP GENÇ, DR. ÖĞR. ÜYESİ İSMAİL TEMİZ
  4. Tez Türü: Doktora
  5. Konular: Mekatronik Mühendisliği, Mechatronics Engineering
  6. Anahtar Kelimeler: Dokuma kumaşlar, Örme kumaşlar, Woven fabrics, Knitted fabrics
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Tekstil terbiye hatlarında gerçekleştirilen kurutma, düzeltme (fikse) ve gerilim uygulamaları sırasında kumaş yapısında atkı ve çözgü iplik doğrultularında açısal sapmalar meydana gelebilmektedir. Bu sapmalar, özellikle atkı eğriliği (weft skew) ve atkı yaylanması (bow) şeklinde ortaya çıkarak kumaşın görsel kalitesini, boyutsal kararlılığını ve sonraki konfeksiyon süreçlerini olumsuz etkiler. Üretim hattında zamanında tespit edilemeyen küçük açısal hatalar, ısıl sabitleme sonrası kalıcı yapısal kusurlara dönüşebilmektedir. Bu nedenle, atkı–çözgü doğrultularının gerçek zamanlı ve yüksek doğrulukla belirlenmesi, modern atkı kontrol makineleri açısından kritik öneme sahiptir. Bu tez çalışmasında, kumaş yüzeylerinde atkı ve çözgü iplik doğrultularının tespiti ve bu doğrultular arasındaki açısal sapmaların belirlenmesi amacıyla klasik görüntü işleme yöntemleri ile derin öğrenme tabanlı yaklaşımlar karşılaştırmalı olarak incelenmiştir. Çalışma kapsamında Hough Çizgi Dönüşümü, Fourier dönüşümü tabanlı frekans analizi ve histogram temelli yönelim çıkarımı gibi klasik yöntemler uygulanmış; bu yöntemlerin parametre bağımlılığı, gürültüye duyarlılığı ve endüstriyel koşullar altındaki kararlılığı değerlendirilmiştir. Klasik yöntemlerin düşük hesaplama maliyetine sahip olmalarına rağmen değişken kumaş yapıları ve aydınlatma koşulları altında kararsız sonuçlar üretebildiği gözlemlenmiştir. Derin öğrenme tabanlı yaklaşımlar kapsamında U-Net mimarisi ile piksel seviyesinde segmentasyon gerçekleştirilmiş, MobileNet-SSD modeli ile kumaş düğüm noktaları tespit edilmiş ve bu tespitler üzerinden Hough dönüşümü uygulanarak yönelim bilgisi çıkarılmıştır. MobileNet-SSD tabanlı hibrit yaklaşım %89,4 düğüm tespit doğruluğuna ulaşmış ve gömülü sistemlerde gerçek zamanlı çalışabilirliğini göstermiştir. Ancak açısal bilginin doğrudan bir model çıktısı olmaması, ek bir geometrik işlem gerektirmiştir. Tezin temel katkısını oluşturan yaklaşımda ise yönlendirilmiş nesne tespiti mimarileri kullanılmıştır. YOLOv8-OBB ve YOLOv11-OBB modelleri ile atkı ve çözgü iplik doğrultuları döndürülmüş sınırlayıcı kutular (Oriented Bounding Box) aracılığıyla doğrudan konum ve yönelim bilgisiyle birlikte tespit edilmiştir. Bu sayede, açısal bilgi ek bir işleme gerek kalmadan model çıktısı olarak elde edilmiştir. Gerçek üretim hattında 10–130 m/dk hız aralığında elde edilen görüntüler üzerinde yapılan deneyler sonucunda modelin [email protected] değeri %85–91 aralığında gerçekleşmiş, ortalama mutlak açısal hata (MAE) 1,55° ve kök ortalama kare hata (RMSE) 1,59° olarak hesaplanmıştır. Elde edilen yüksek korelasyon katsayısı, modelin açısal sapmaları tutarlı bir biçimde izleyebildiğini göstermiştir. Önerilen yöntemin, NVIDIA Jetson Orin Nano gömülü platformu üzerinde gerçek zamanlı olarak çalıştırılmış ve üretim hattı hızlarına uyum sağlayabildiği gösterilmiştir. YOLO-OBB tabanlı yaklaşımın açısal bilgiyi doğrudan üretmesi, mekanik düzeltme sistemlerine entegrasyon açısından önemli bir avantaj sağlamaktadır. Sonuç olarak, bu tez çalışması, tekstil terbiye hatlarında atkı–çözgü doğrultularının tespiti problemine yönlendirilmiş nesne tespiti perspektifi kazandırmakta ve gerçek zamanlı, güvenilir ve endüstriyel olarak uygulanabilir bir çözüm sunmaktadır. Geliştirilen yöntem, kapalı çevrim atkı kontrol sistemlerine entegre edilebilecek nitelikte olup tekstil üretiminde kalite kontrolünün otomatikleştirilmesine katkı sağlamaktadır.

Özet (Çeviri)

During textile finishing processes such as drying, heat setting, and tensioning, angular distortions may occur between warp and weft yarns, leading to structural misalignment of the fabric. These deviations, commonly referred to as weft skew and bow, adversely affect fabric appearance, dimensional stability, and downstream garment manufacturing operations. Minor angular errors that remain undetected during production may become permanent structural defects after thermal fixation. Therefore, accurate real-time estimation of warp–weft orientations is critical for modern weft straightening machines integrated into textile finishing lines. In this doctoral study, classical image processing techniques and deep learning–based approaches were comparatively investigated to detect warp and weft yarn orientations and estimate their angular deviations relative to the ideal 90° reference. Classical methods, including the Hough Line Transform, Fourier-based frequency analysis, and histogram-based orientation extraction, were evaluated for computational efficiency, parameter sensitivity, and robustness under industrial conditions. Although these methods were computationally inexpensive, their performance was highly dependent on parameter tuning and image quality, leading to instability across varying fabric textures and illumination conditions. Within the deep learning framework, a U-Net–based segmentation approach was employed for pixel-level yarn separation, and a hybrid MobileNet-SSD + Hough Transform pipeline was implemented for mesh node detection and geometric line estimation. The MobileNet-SSD–based model achieved a mesh node detection accuracy of 89.4% and demonstrated real-time feasibility on embedded hardware; however, the angular estimation required an additional geometric post-processing step. The primary contribution of this thesis is the implementation of oriented object detection architectures for direct angular estimation. Using YOLOv8-OBB and YOLOv11-OBB models, warp and weft yarn orientations were detected through oriented bounding boxes, enabling simultaneous localization and rotation estimation without additional geometric processing. Experimental evaluations on images acquired from an industrial weft straightening machine operating at production speeds of 10-130 m/min yielded [email protected] values ranging from 85% to 91%. The proposed method achieved a Mean Absolute Error (MAE) of 1.55° and a Root Mean Square Error (RMSE) of 1.59° for angular prediction, with strong linear correlation between the predicted and reference angles. The model was successfully deployed on an NVIDIA Jetson Orin Nano embedded platform, demonstrating real-time performance compatible with industrial production speeds. The ability of the YOLO-OBB–based approach to directly generate angular output provides a significant advantage for integration into closed-loop mechanical correction systems. In conclusion, this study introduces an oriented object detection–based deep learning framework for real-time warp–weft angle estimation in textile finishing lines. The proposed approach offers improved robustness, accuracy, and industrial applicability compared to conventional image processing methods and provides a scalable solution for automated quality control in textile manufacturing.

Benzer Tezler

  1. Tez No

    537534

    Shearlet dönüşümü kullanılarak gerçek zamanlı kumaş hatası tespiti

    Real time fabric defect detection by using Shearlet transform

    MUHAMMET BAĞIRGAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET ALİ AKSOY TÜYSÜZ

  2. Tez No

    971874

    Artificial intelligence utilization in production quality management: fabric production

    Üretım kalıte yönetımınde yapay zekâ kullanımı: kumaş üretımı uygulaması

    SEBAHATTİN ÇÜRÜK

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Makine MühendisliğiGaziantep Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. NECİP FAZIL YILMAZ

  3. Tez No

    848840

    İklimlendirme sistemlerinde yapay zeka

    İklimlendirme sistemlerinde yapay zeka

    ERHAN BUDAK

    Doktora

    Türkçe

    Türkçe

    2024

    EnerjiKarabük Üniversitesi

    Enerji Sistemleri Mühendisliği Ana Bilim Dalı

    PROF. DR. İLHAN CEYLAN

  4. Tez No

    46670

    Bilgisayar ağ iletişiminde TCP/IP teknolojisi

    TCP/IP technology by computer network communication

    AHMET KADİR BİÇİMLİ

    Yüksek Lisans

    Türkçe

    Türkçe

    1995

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    PROF.DR. MİTHAT UYSAL

  5. Tez No

    919272

    Bağırsak hasar modellerinde kemik iliği mezenkimal kök hücre ve bağırsak mezenkimal kök hücrelerin rejeneratif ve immün modülatuvar etkilerinin karşılaştırılması

    Comparison of regenerative and immune modulatory effecets of bone marrow and intestinal mesenchymal stem cells i intestinal damage models

    BURCU PERVİN

    Doktora

    İngilizce

    İngilizce

    2025

    BiyolojiHacettepe Üniversitesi

    Kök Hücre Ana Bilim Dalı

    DOÇ. DR. FATİMA AERTS KAYA

Geri Dön