Derin öğrenme ve görüntü işleme kullanılarak kumaş hatalarının tespit edilmesi ve sınıflandırılması
Detection and classification of fabric defects using deep learning and image processing
- Tez No: 897404
- Danışmanlar: DOÇ. DR. COŞKUN DENİZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Derin öğrenme, CNN, Görüntü işleme, Histogram, Kumaş hata tespit, Sınıflandırma, Deep learning, CNN, Image processing, Histogram, Fabric defect detection, Classification
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Aydın Adnan Menderes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 111
Özet
Kumaş hatalarının tespit edilmesi ve bu hataların doğru bir biçimde sınıflandırılabilmesi tekstil sektörü için son yıllarda önemli hale gelmiştir. Firmaların kar marjının geçmiş yıllara göre düşmesi ve işçi maliyetlerinin artması sebebiyle sektörde yeni arayışlar ortaya çıkmıştır. Teknolojik çözümler, zaman, maliyet ve kalite bakımından sektördeki firmaların ihtiyacı haline gelmektedir. Tez çalışmasının hedefi tekstil sektörünün zorlandığı bu dönemlerde yenilikçi firmaların teknolojiyle birlikte rakiplerine karşı daha güçlü bir konuma gelmelerini sağlamaktır. Pakistan, Hindistan ve benzeri ülkelerin iş gücü maliyeti ülkemizden daha düşük olduğu için sektördeki firmaların kaliteden ödün vermeden doğru bir analizle müşterilerine ürün tedarik etmesi kaçınılmaz bir durum oluşturmaktadır. Tez çalışması, dokuma kumaş hatalarının doğru bir biçimde tespit edilip bu hataların sınıflandırılmasına yönelik bir çerçeve içerisinde oluşturulmuştur. İki aşamadan oluşan bu sistemde ilk aşama dokuma kumaş hatalarının tespit edilmesidir. Görüntü işleme tekniklerinden renk dönüşümleri, histogram analizi ve morfolojik işlemler kullanılmıştır. Renkli görüntü öncelikle tek bant gri tonlamalı görüntüye çevrilmiş sonra görüntü kırpma işlemleri ile histogram çıkarımı yapılmıştır. Morfolojik işlemler sonrasında eşikleme işlemi yapılmış ve hatalı görüntüler elde edilmiştir. İkinci aşama olan sınıflandırma kısmında derin öğrenme algoritmalarından evrişimsel sinir ağları CNN (Convolutional Neural Network) kullanılmıştır. Farklı renkteki ve farklı aydınlatma sahnelerindeki kumaşların hata tespit ve sınıflandırma başarımları belirlenmiştir. Prototip sistem hazırlanmış ve Denizli ilinde yer alan EVSA Tekstil işletmesinde başarılı bir biçimde kullanıma hazır hale getirilmiştir. Elde edilen çıktılar yorumlanarak bu alandaki diğer araştırmacılara ve okuyuculara fikir vermesi amaçlanmıştır.
Özet (Çeviri)
Detecting fabric defects and classifying these defects correctly has become important for the textile industry in recent years. Due to the decrease in the profit margin of the companies compared to the past years and the increase in labor costs, new searches have emerged in the sector. Technological solutions are becoming a need for companies in the sector in terms of time, cost and quality. The aim of this thesis is to enable innovative companies to become stronger against their competitors with technology in these periods when the textile sector is struggling. Since the labor cost of Pakistan, India and similar countries is lower than our country, it is inevitable for companies in the sector to supply products to their customers with an accurate analysis without sacrificing quality. The thesis study was created within a framework for the accurate detection of woven fabric defects and classification of these defects. In this system, which consists of two stages, the first stage is the detection of woven fabric defects. Image processing techniques such as color transformations, histogram analysis and morphological operations were used. The color image was first converted to a single band grayscale image and then histograms were extracted by image cropping. After morphological operations, thresholding was performed and erroneous images were obtained. In the second stage, classification, CNN convolutional neural networks, one of the deep learning algorithms, were used. The error detection and classification achievements of fabrics in different colors and different lighting scenes were determined. The prototype system was prepared and successfully put into use in EVSA Textile enterprise located in Denizli province. The outputs obtained are interpreted and it is aimed to give ideas to other researchers and readers in this field.
Benzer Tezler
- Tekstil ürünlerinde hata tespit sistemi
Error detection system for textile products
ZAFER KAZAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERHAT ATASOY
- 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
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET FATİH AKAY
- 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
- Görüntü işleme yöntemiyle emniyet kemeri kullanımı tespitinin reflektif kumaş yardımıyla arttırılması
Increasing the detection of seat belt usage by image pprocessing with the reflecti̇ve fabric
ŞERİFE GÜLSÜM DEMİR
Doktora
Türkçe
2024
UlaşımBursa Uludağ Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. TURAN ARSLAN