Deep learning based fabric defect detection
Derin öğrenme temelli kumaş hatası tespiti
- Tez No: 771378
- Danışmanlar: DOÇ. DR. ALPTEKİN DURMUŞOĞLU
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Derin öğrenme, Evrişimli sinir ağları, Kapsül ağlar, Kumaş hataları, Deep learning, Convolutional neural networks, Capsule networks, Fabric faults
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Derin öğrenme yaklaşımının tekstil endüstrisinde hata tespiti amacıyla kullanımı son yirmi yılda artan bir trend haline gelmiştir. Yayınların çoğu bu alandaki belirli bir sorunu araştırmıştır. Ayrıca, yayınlanmış derleme çalışmalarının çoğu, literatürdeki çalışmaları daha genel bir perspektiften incelemiştir. Yayınlanmış derleme yayınlarıyla karşılaştırıldığında, bu tez 2003'ten bugüne kadar kumaş kusurlarının tespiti için derin öğrenme yaklaşımlarının uygulanmasını araştıran ilk güncel çalışmadır. Bu tezde derin öğrenme algoritmaları olan VGG 19 ve Kapsül Ağları uygulanmıştır. Ayrıca, derin öğrenme yöntemi olan oto kodlayıcı yönteminin farklı çeşitleri de uygulanmıştır. Bu tezin temel amacı, derin öğrenme tabanlı kumaş hata tespitini araştırmak ve derin öğrenme algoritmalarını uygulamak olduğundan, derin öğrenme kullanılarak kumaş kusur tespiti ile ilgili yayınlar incelenmiş ve yapılan uygulamalara dair deneysel sonuçlar sunulmuştur.
Özet (Çeviri)
The use of deep learning approach in textile industry for defect detection purpose has become an increasing trend in the last twenty years. Majority of publications have investigated a specific problem in this field. Furthermore, many of published reviews or surveys articles preferred to investigate papers from a more general perspective. Compared with published review publications, this thesis is the first up-to-date study that investigates implementation of deep learning approaches for detection of fabric defects from 2003 to now. In this thesis, deep learning algorithms, VGG 19 and Capsule Networks, are also implemented. In addition, different variants of the auto-encoder method, which is a deep learning method, were also applied. As the main objectives of this thesis is to review deep learning based fabric defects detection and to implement deep learning, the publications regarding fabric defects detection by using deep learning are examined and experimental results are presented.
Benzer Tezler
- İmalat sistemlerinde derin öğrenme tabanlı doku hata tespiti
Deep learning based texture defect detection in manufacturing systems
HÜSEYİN ÜZEN
- Yapay zeka tabanlı endüstriyel görüntü işlemelede yenilikçi yaklaşımlar
Innovative approaches in artificial intelligence-based industrial image processing
LUTFİ EMRE DEMİR
Yüksek Lisans
Türkçe
2026
Kahramanmaraş Sütçü İmam ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
Yükleniyor...
- Tekstil makinalarında kumaştaki üretim hatalarının tespiti
Fabric defect detection in textile manufacturing processes
SWASH SAMI MOHAMMED MOHAMMED
Doktora
Türkçe
2025
Ondokuz Mayıs ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Kumaş örüntülerinde bulunan tekli ve çoklu defoların makine öğrenmesi yöntemleri ile tespiti ve karşılaştırılması
Detection and comparison of single and multiple defects in fabric patterns using machine learning methods
ABDELRAHMAN ELSAYED ALY ELKASAS
Yüksek Lisans
Türkçe
2025
Dicle ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Development of a new software for fabric defect detection and classification using image processing and machine learning methods
Görüntü işleme ve makine öğrenme yöntemleri kullanarak kumaş hata tespiti ve sınıflandırması
AHMAD MONES NAWAF
