Tekstil ürünlerinde hata tespit sistemi
Error detection system for textile products
- Tez No: 898965
- Danışmanlar: DR. ÖĞR. ÜYESİ FERHAT ATASOY
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 75
Özet
Tekstil sektörü, uluslararası ticarette önemli bir pazar payına sahiptir. Bu nedenle kumaşların kalite kontrol süreçleri üretici firmalar için hayati önem taşımaktadır. Değişen ve gelişen teknoloji dünyasında, insan gücü yerini artık akıllı makinelerin kullanıldığı sistemlere bırakmaktadır. Bu tez; tekstil sektöründeki desenli ve düz kumaş üretiminin ölü elyaf, örgü dönmesi, likra kaçığı, iplik abrajı, boya lekesi, baskı hatası, yağ lekesi, delik ve patlak gibi hata paylarını en aza indirgemek ve daha kaliteli ürünler ortaya çıkarmak amacıyla insan gücü yerine akıllı makinelerin devreye girmesini hedeflemektedir. Bu doğrultuda,“İleri Bilgisayarlı Görüntü İşleme ve Derin Öğrenme Teknikleri”uygulanılarak kumaş üzerinde hakiki bir hata tespit sistemi geliştirilmiştir. Görüntü işleme uygulamasında, tek renk kumaşlar üzerinde %99 başarı oranı elde edilirken desenli kumaşlar üzerinde başarı oranı %52 olarak görülmüştür. Desenli kumaşlar üzerindeki başarı oranının düşük olması sebebiyle derin öğrenme tekniklerine başvurulmuştur. Derin öğrenme teknikleri kullanılarak geliştirilen bu sistemde, ZJU-Leaper ve bu tez için özel oluşturulan veri seti kullanılmıştır. Çalışmanın iyileştirilmesi amacıyla kusurlu ve kusursuz kumaş örnekleri olmak üzere iki sınıfa ayrılan veri seti üzerinde VGGNet16, InceptionV3, ResNet50, YOLOv5, YOLOv7, YOLOv8 gibi önceden eğitilmiş modeller kullanılmış olup uygulamanın geçerliliğini test etmek için de K-Katmanlı Çapraz Doğrulama Metodu denenmiştir. Yapılan sınıflandırmalar sonucunda VGGNet16 %88.46, InceptionV3 %89.32, ResNet50 %89.46, YOLOv5 %89.34, YOLOv8 %88.48 doğruluk oranlarına ulaşılmışken YOLOv7 mimarisi ile %96.01 doğruluk oranı elde edilmiştir. Elde edilen oranın geçerliliği K-Katmanlı Çapraz Doğrulama Metodu ile test edilmiş olup %95.515 doğruluk değeri elde edilmiştir. Bu sonuçlar, YOLOv7 modelinin kumaş hatalarını daha tutarlı ve doğru bir şekilde tespit edebildiğini göstermektedir. Elde edilen bulgular, özellikle YOLOv7 gibi derin öğrenme tabanlı modellerin tekstil endüstrisindeki kalite kontrol süreçlerini iyileştirmede etkili olabileceğini ortaya koymaktadır.
Özet (Çeviri)
The textile sector has a significant market share in international trade. Therefore, the quality control processes of fabrics are of vital importance for manufacturing companies. In the changing and developing world of technology, human power is now being replaced by systems where smart machines are used. This thesis aims to use smart machines instead of human power in order to minimize the margins of error such as dead fibers, knitting rotation, lycra leakage, yarn abbrasion, dye stains, printing errors, oil stains, holes and bursts in patterned and plain fabric production in the textile sector and to produce higher quality products. In this direction, a genuine error detection system was developed on the fabric by applying“Advanced Computer Vision and Deep Learning Techniques”. In the image processing application, a 99% success rate was achieved on single-color fabrics, while the success rate on patterned fabrics was seen as 52%. Deep learning techniques were used due to the low success rate on patterned fabrics. In this system developed using deep learning techniques, ZJU-Leaper and a data set specially created for this thesis were used. In order to improve the study, pre-trained models such as VGGNet16, InceptionV3, ResNet50, YOLOv5, YOLOv7, YOLOv8 were used on the data set divided into two classes as defective and perfect fabric samples and K-Layer Cross Validation Method was tried to test the validity of the application. As a result of the classifications, accuracy rates of 88.46% were reached for VGGNet16, 89.32% for InceptionV3, 89.46% for ResNet50, 89.34% for YOLOv5, 89.34% for YOLOv8, while 96.01% accuracy rate was obtained with YOLOv7 architecture. The validity of the obtained rate was tested with K-Layer Cross Validation Method and 95.515% accuracy value was obtained. These results show that the YOLOv7 model can detect fabric defects more consistently and accurately. The findings reveal that deep learning-based models, especially YOLOv7, can be effective in improving quality control processes in the textile industry.
Benzer Tezler
- Derin öğrenme yöntemi ile kumaş hatalarının otomatik tespiti ve sınıflandırılması
Automatic detection and classification of fabric defects with deep learning method
SAFA ZENHAR
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiGAZİANTEP İSLAM BİLİM VE TEKNOLOJİ ÜNİVERSİTESİElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İPEK ATİK
- Üretim planlama ve kontrol süreçlerinde dijital ikiz teknolojisinin kullanılması: Tekstil sektöründe bir uygulama
Using digital twin technology in production planning and control process: An application in textile industry
AYSEL KOÇAK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYTAÇ YILDIZ
- Değer akış haritalama yöntemi kullanılarak tekstilsektöründe yalın üretim uygulaması
An application of a lean manufacturing model by carrying outvalue stream mapping in textile industry
SEMA BİLİCİ
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiYalova ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FUAT KOSANOĞLU
- Nanoçubuklarda büyük yer değiştirme ve yerel olmayan elastisite teorilerine göre deplasman hesabı
Calculation of displacements of nanorods according to nonlocal theory of elasticity and large displacement theory
GÖKHAN GÜÇLÜ
Doktora
Türkçe
2020
Matematikİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. REHA ARTAN
- Bazı konfeksiyon mamüllerinde kaliteyi etkileyebilecek hata ve hasarlar üzerinde bir inceleme
A Research on faults and damages effecting quality some readywear products
NECLA ALTINDİŞ
Yüksek Lisans
Türkçe
1997
Tekstil ve Tekstil MühendisliğiUludağ ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
PROF. DR. EMİR TEKİN ALTINBAŞ