Geri Dön

Derin öğrenme algoritmalarını kullanarak kumaş kusurlarının tespiti ve sınıflandırılması

Detection and classification of fabric defects using deep learning algorithms

PDF İndir

  1. Tez No: 849576
  2. Yazar: RECEP ALİ GEZE
  3. Danışmanlar: DR. ÖĞR. ÜYESİ AYHAN AKBAŞ, DR. ÖĞR. ÜYESİ ABDULKADİR KÖSE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Çankırı Karatekin Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 81

Özet

Tekstil sektörünün en önemli ham maddesi olan kumaşın üretimi birçok aşamadan meydana gelmektedir. Bu üretim aşamalarının fazlalığı ve karmaşıklığından dolayı kumaşlarda bazı hatalar meydana gelebilmektedir. Hataların tespit edilmesinde; sektörün pazar payının büyüklüğü ve üretimin çok hızlı olmasının nedeniyle insan kontrolü ile tespit etmek hem zaman kaybına hem de hata tespit oranının %60 seviyelerine kadar düşmesine neden olmaktadır. Bundan dolayı son yıllarda teknolojinin gelişmesiyle paralel kumaşların hata tespitinde daha çok akıllı sistemler geliştirilmeye başlanmıştır. Günümüzde yapay zekâ teknolojisinin hızla gelişmesiyle bu sektörde de görüntü işleme teknikleri uygulamalar başlamıştır. Bu çalışmada derin öğrenme teknikleri kullanarak kumaş üzerinde gerçek zamanlı hata tespit sistemi geliştirilmiştir. Veri seti olarak halka açık sunulan Tilda veri seti ve kendi oluşturduğumuz veri seti kullanılmıştır. Yapılan çalışmada ilk olarak açık kaynaklı bir sinir ağı kütüphanesi olan Evrişimsel Sinir Ağı (CNN) ile bir ağ modeli oluşturulmuş ve bu yöntemle %89 doğruluk elde edilmiştir. Çalışmayı daha iyi hale getirmek için kumaşları hatalı ve hatasız başlığı altında iki sınıfta sınıflandırıp önceden eğitilmiş CNN modellerinden olan VGGNet16 mimarisi ile %86, IneptionV3 mimarisi ile %90 oranında doğruluğa ulaşılmıştır. ResNet50 yaklaşık %95 doğruluk oranıyla diğer modellere göre çok daha iyi bir model yapısına sahip olduğunu ispatlamıştır. Bu sayede kumaş hataları daha tutarlı bir şekilde bulunabilir.

Özet (Çeviri)

The production of fabric, which is the most important raw material of the textile industry, consists of many stages. Due to the excess and complexity of these production stages, some defects may occur in fabrics. In the detection of defects; due to the size of the market share of the sector and the very fast production, detection with human control causes both loss of time and error detection rate to drop to 60%. Therefore, in parallel with the development of technology in recent years, more and more intelligent systems have started to be developed in the error detection of fabrics. Today, with the rapid development of artificial intelligence technology, image processing techniques have started to be applied in this sector. In this study, a real-time defect detection system has been developed on fabric using deep learning techniques. The publicly available Tilda dataset and the dataset we created ourselves were used as datasets. First, a network model was created with Convolutional Neural Network (CNN), an open source neural network library, and 89% accuracy was achieved with this method. In order to improve the study, we classified the fabrics into two classes as defective and non-defective and achieved 86% accuracy with the VGGNet16 architecture and 90% accuracy with the IneptionV3 architecture, which are pre-trained CNN models. ResNet50 has proven to have a much better model structure than other models, with an accuracy of about 95%. This means that fabric defects can be found more consistently.

Benzer Tezler

  1. Tez No

    771378

    Deep learning based fabric defect detection

    Derin öğrenme temelli kumaş hatası tespiti

    YAVUZ KAHRAMAN

    Doktora

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiGaziantep Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPTEKİN DURMUŞOĞLU

  2. Tez No

    878632

    Effective discrimination of different particles including smoke, dusts, oil vapours and test aerosols using simple optical cell and machine learning techniques

    Basit optik hücre ve makine öğrenimi teknikleri kullanılarak duman, toz, yağ buharı ve test aerosolleri dahil farklı partikül tiplerinin etkin olarak sınıflandırılması

    OSMAN ÖZYURT

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiYeditepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. FETHİ İÇSEL OLCAYTUĞ

  3. Tez No

    869137

    Tekstil üretiminde derin öğrenme tabanlı otomatik hata tespit sistemi

    Deep learning based automatic defect detection system in textile production

    AHMET METİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAYDAR ÖZKAN

  4. Tez No

    853474

    Derin öğrenme algoritmalarını kullanarak tatlı ürünlerin besin içeriklerinin belirlenmesi ve gastronomik açıdan değerlendirilmesi

    Determining the nutritional contents and gastronomic evaluation of dessert products using deep learning algorithms

    SEVİLAY YUSUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Gastronomi ve Mutfak Sanatlarıİstanbul Gedik Üniversitesi

    Gastronomi ve Mutfak Sanatları Ana Bilim Dalı

    DOÇ. DR. FATİH TARLAK

  5. Tez No

    636260

    Derin öğrenme algoritmalarını kullanarak görüntü sınıflandırma

    Image classification using deep learning algorithms

    UTKU KUBİLAY ÇINAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    İstatistikYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. GÜLHAYAT GÖLBAŞI ŞİMŞEK

Geri Dön