Fabric defect detection using deep neural networks
Derin sinir ağları kullanılarak kumaş hata tespiti
- Tez No: 856573
- Danışmanlar: DOÇ. DR. YAVUZ ŞENOL
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 77
Özet
Endüstride kumaş kalitesinin denetimi son derece önemlidir. Gözle yapılan kumaş hatası tespiti, hata bulma oranının düşmesine ve zaman kaybına neden olur. Bu tez çalışmasında, ZJU-Leaper kumaş veri seti kullanılarak kumaş hatalarının tespiti için önceden eğitilmiş evrişimli sinir ağı mimarileri kullanılmıştır. Bu çalışmada, veri setinden düz beyaz, kalın şerit, ince şerit olmak üzere 3 farklı kumaş türü üzerinde çalışma yapılmıştır. Literatür incelendiğinde sınıflandırma problemlerinde en sık kullanılan, önceden eğitilmiş evrişimli sinir ağı mimarileri olan VGG16, EfficientNetB0, ResNet50, DenseNet121 ve MobileNet mimarileri seçilmiştir. Veri setleri eğitim ve test klasörlerine ayrılarak, modellerin performansı kesinlik, duyarlılık, F1-skoru ve doğruluk kriterlerine göre karşılaştırılmıştır. Sonuç olarak, modellerin 3 farklı kumaş türü üzerindeki performansları incelendiğinde en başarılı modelin EfficientNetB0 olduğu görüldü. EfficientNetB0 modelinin performansı tüm kumaş türlerinde neredeyse %99'du.
Özet (Çeviri)
Control of fabric quality is extremely important in the industry. Visual fabric defect detection causes a decrease in the defect detection rate and waste of time. In this thesis study, pre-trained convolutional neural network architectures were used to detect fabric defects using the ZJU-Leaper fabric dataset. In this study, three different fabric types were studied from the data set: plain white, thick stripe, and thin stripe. When the literature was examined, VGG16, EfficientNetB0, ResNet50, DenseNet121 and MobileNet architectures, which are the most frequently used pre-trained convolutional neural network architectures in classification problems, were selected. Data sets were divided into training and test folders, and the performance of the models was compared according to precision, recall, F1-score, and accuracy criteria. As a result, when the performances of the models on 3 different fabric types were examined, it was observed that the most successful model was EfficientNetB0. The performance of the EfficientNetB0 model was almost 99% on all fabric types.
Benzer Tezler
- 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
- Tekstil üretiminde derin öğrenme tabanlı otomatik hata tespit sistemi
Deep learning based automatic defect detection system in textile production
AHMET METİN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAYDAR ÖZKAN
- Derin öğrenme algoritmalarını kullanarak kumaş kusurlarının tespiti ve sınıflandırılması
Detection and classification of fabric defects using deep learning algorithms
RECEP ALİ GEZE
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYHAN AKBAŞ
DR. ÖĞR. ÜYESİ ABDULKADİR KÖSE
- Tekstil kusur tespiti için derin öğrenme uygulaması
Deep learning application for textile defect detection
OKAN GÜDER
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞAHİN IŞIK
- Deep learning based fabric defect detection
Derin öğrenme temelli kumaş hatası tespiti
YAVUZ KAHRAMAN
Doktora
İngilizce
2022
Endüstri ve Endüstri MühendisliğiGaziantep ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPTEKİN DURMUŞOĞLU