Kumaş hatalarının ısıl görüntüleme ve görüntü işleme teknikleri ile tespit edilmesi
Defect detection of fabrics by using thermal imaging and image processing techniques
- Tez No: 377205
- Danışmanlar: DOÇ. DR. ALİ BULDU, DOÇ. DR. MUSTAFA DEMETGÜL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 116
Özet
Tekstil endüstrisinde kumaş üretimi sırasında, hammaddeden (iplik, elyaf gibi), dokuma ve terbiye proseslerinden kaynaklı pek çok hata ile karşılaşılabilmektedir. Hataların tespiti kalite uzmanı operatörler tarafından gerçekleştirilmektedir. Kalite kontrol elemanı alt ve üst ışıklı, eğik kalite kontrol masası kullanmaktadır. Kalite kontrol elemanı tarafından hatalı bölgeler gözle taranmaktadır bu yüzden hatalı bölgelerin gözden kaçma olasılığı çok yüksektir. Hata tespiti kişiye göre değiştiği için objektif olmamaktadır. Hata denetimi gözle yapıldığından işlem uzun zaman almaktadır. Bu işlemin otomatik olarak yapılabilmesi için yapay görme sistemleri ve görüntü işleme teknikleri kullanılarak çalışmalar yapılmaktadır. Bu tez çalışmasında kumaş hata denetimi ile ilgili iki farklı çalışma gerçekleştirilmiştir. İlk çalışma hatalı kumaş görüntülerine, görüntü işleme algoritmaları uygulanmıştır. Hatalı alanın tespitinden sonra şekilsel ve histogram özellikleri çıkartılmıştır. Bu özellikler kullanılarak Fuzzy C-Means(FCM) algoritması ile kümeleme işlemi gerçekleştirilmiştir. Ayrıca tespit edilen hatanın kumaş üzerindeki dikey ve yatay koordinatlarının belirlenmesi de gerçekleştirilmiştir. İkinci çalışma ise kaydedilen video üzerinde hatalı görüntünün tespiti yapılmıştır. Hata, K En Yakın Komşu(KEYK), Bayes Ağları(BA) ve Karar Ağaçları(KA) algoritmaları kullanılarak anlık olarak sınıflandırılmıştır. Ayrıca hatanın yeri, cinsi ve kumaşın hangi metresinde yer aldığı belirlenmiştir. İlk çalışmada hatalı görüntüler üzerinde Fourier Analizi, Gabor Filtreler ve Dalgacık Dönüşümü yöntemleri ile uygulamalar yapılmıştır. Geliştirilen Fourier Tabanlı görüntü işleme yönteminin diğer algoritmalardan daha iyi sonuç verdiği gözlenmiştir. Poplin kumaş üzerinde delik, yırtık, yabancı iplik, makine yağı, nope, çözgü kaçığı ve atkı kaçığı hataları belirtilen görüntü işleme yöntemleri ile tespiti sağlanmıştır. Denim ve kaşe kumaş üzerinde ise çözgü ve atkı kaçığı hatalarının tespitinde geliştirilen algoritmalar etkisiz kalmıştır. Farklı türdeki kumaş ve hatalar üzerinde şekilsel ve histogram özellikleri kullanılarak FCM ile yapılan uygulamada ortalama %87 kümeleme başarısı elde edilmiştir. Gruplandırılan hata sayısının az veya fazla olması kümeleme performansını etkilemektedir. Yapılan ikinci çalışmada ise 3 farklı kumaş türü üzerinde farklı hatalara sahip olan video üzerinde anlık hata tespiti, sınıflandırma ve yer tespiti gerçekleştirilmiştir. Hata sınıflandırma işlemi için anlık olarak kaydedilen video üzerinde gri seviye eş oluşum matrisi kullanılarak özellik çıkarımı yapılmıştır. Elde edilen özellikler KEYK, BA ve KA kullanılarak sınıflandırılmıştır. Sınıflandırma işlemi için her bir hata türüne ait 6 adet görüntü, eğitim verisi olarak kullanılmıştır. KEYK algoritması ile yapılan uygulamada ortalama olarak %90'lık bir başarı elde edilmiştir. KEYK ile yapılan uygulamalarda diğer yöntemlere göre daha iyi sonuçlar elde edilmiştir.
Özet (Çeviri)
In textile industry during the production of fabrics from raw materials (yarn, fiber, etc.), many error encountered from the weaving and finishing processes. The quality control is carried out by specialist operators for the detection of errors. The quality control stuff is used bottom and upper illuminated, oblique quality control board. Defective regions are scanned with eye by quality control stuff so that defective areas are most likely to escape review. Evaluation of the defect process varies according to the person is not an objective. The process takes a long time because of the detection process is made by eye. Some studies have been made by using artificial vision systems and image processing techniques in order to perform this process automatically. In this study two different works have been carried out. In the first one image processing algorithms were applied on defective fabric images. After the detect defection area, shape and histogram properties were extracted. These features were clustered with FCM algorithm. Also the vertical and horizontal place of the defect on the fabric was detected. In the second study defective image was detected as recorded video. The defective regions were classified by using K-Nearest Neighbor(KNN), Bayesian Network(BN) and Decision Trees(DCT) as an instantaneously. In addition the defect type and location of the defect including its meter on the fabric have been determined. In the first study applications were made on defected images with Fourier analysis, Gabor Filters and Wavelet Transform. It was observed to developed Fourier based image processing method gave better results than other algorithms. On poplin fabric hole, tear, foreign yarn, machine oil, nope, warp and weft freak were detected by the specified image processing methods. On the denim and cachet fabric, the developed image processing algorithms were ineffective to detect warp and weft freak. On the different types of fabrics and defects, %87 clustering success was obtained by application of FCM with using shape and histogram features. Number of the defects were affected the performance of the clustering that is more or less. In the second study, on three different kinds of fabrics having different error on video, instant error detection, classification and localization was performed. For the error classification process, feature extraction process was made by using gray level co-occurrence matrix on instantaneously recorded video. The features were classified by KNN, BN and DCT. For classification process of each type of error six images were used as training data. In the use of KNN % 90 successes on average was obtained. Better results have been achieved by KNN than other methods.
Benzer Tezler
- Numerical and experimental analysis of thermo-stamping process applied to woven fabric reinforced thermoplastic composites
Dokuma kumaş takviyeli termoplastik kompozitlere uygulanan ısıl presleme işleminin nümerik ve deneysel analizi
HALİL YILDIRIM
Doktora
İngilizce
2022
Makine MühendisliğiAnkara Yıldırım Beyazıt ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. FAHRETTİN ÖZTÜRK
- Yıkama işleminin farklı tipte denim kumaşların fiziksel ve termofizyolojik konfor özellikleri üzerine etkilerinin incelenmesi
Investigation of effects of washing process on physical and thermo physiological comfort properties of different types denim fabric
NİDA YILDIRIM
Yüksek Lisans
Türkçe
2013
Tekstil ve Tekstil MühendisliğiErciyes ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN GAZİ ÖRTLEK
- The effect of dead clay contents on mechanical properties of foundry molding sands
Ölü bentonit içeriğinin döküm kalıp kumlarının mekanik özelliklerine etkisi
MEHRAN JALALI KANDELOUS
Yüksek Lisans
İngilizce
2022
Metalurji Mühendisliğiİstanbul Teknik ÜniversitesiMetalurji ve Malzeme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NECİP ÜNLÜ
- Derin öğrenme ve görüntü işleme kullanılarak kumaş hatalarının tespit edilmesi ve sınıflandırılması
Detection and classification of fabric defects using deep learning and image processing
UĞUR CAN TOPÇU
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiAydın Adnan Menderes ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. COŞKUN DENİZ
- Kumaş hatalarının derin öğrenme ile tespiti
Detection of fabric defects with deep learning
YASİN ERDOĞAN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiSüleyman Demirel ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN ALTUNAY