Tekstil sektöründe görüntü işleme
Image processing in the textile industry
- Tez No: 934865
- Danışmanlar: DOÇ. DR. ŞAHİN YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İstatistik, Mechatronics Engineering, Computer Engineering and Computer Science and Control, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde denim pantolonların popülaritesi gün geçtikçe artmaktadır. Denim pantolon üretim sürecini ham madde üretimi, boyama, dokuma ve terbiye işlemi şeklinde ayırabiliriz. Terbiye işlemi son basamaktır, kalite kontrol ve onay süreci bu basamakta yapılır. Ürün onay aşamasında kalite kontrol personelleri kategorizasyon ve onay verme işlemlerini tecrübesi ve insiyatifine dayanarak gerçekleştirir, bu sebeple insani hatalarla karşılaşılır. Ek olarak ortam aydınlatması, fiziki koşullar ve zamanla oluşan değişimler de bu varyasyonu önemli ölçüde etkilemektedir. Bu çalışmada kalite kontrol işlemi otonom hale getirilerek insan kaynaklı hatalar giderilmiştir ve sınıflandırma işlemi standarda uygun bir şekilde gerçekleştirilmiştir. Çalışmada, standart koşullar altında görüntü alınmasını sağlayacak bir yapısal tasarıma sahip olan kalite kontrol kabini üretilmiştir. Fotoğraf çekme düzeneği ve operatör kullanımı için kullanıcı arayüzü tasarlanmıştır. Makine öğrenmesi ve görüntü işleme tabanlı karar verme algoritma çalışmaları yapılmıştır. Denim ürünlerden alınan görüntülerden özgün nitelikler, farklı renk uzaylarında histogramlar ve renk skorları çıkarılmıştır. Sınıflandırma algoritmalarının otonom tahmin ve karar verme metotları uygulanmıştır. Çeşitli ürün gruplarından elde edilen görüntülere çoğaltma teknikleri uygulanmış ve veri sayısı yükseltilmiştir. Elde edilen bu görüntüler test ve çalışma verisi olarak kullanılmıştır. Çeşitli metotlar denenmiştir, temel bileşenler analizi (PCA), dirsek metodu, K-ortalama kümeleme, histogram çıkarımı (gri, mavi ve RGB), Haralicköznitelikleri (gri ve RGB), Hu-momentleri, yerel ikili örüntü (LBP), dalgacık dönüşümü (DWT), ExtraTrees sınıflandırma ve normalizasyon algoritmaları çalıştırılmıştır. Farklı yöntemlerle farklı başarı sonuçları elde edildiği için en yüksek başarı oranına sahip ExtraTrees sınıflandırma modeli %89 başarı oranı ile karar verme algoritması modeli olarak seçilmiştir.
Özet (Çeviri)
The popularity of denim pants is increasing day by day. The production process of denim jeans can be divided into raw material production, dyeing, weaving, and finishing. The finishing process is the last step, where quality control and approval procedures are carried out. During the product approval phase, quality control personnel perform categorization and approval based on their experience and discretion, which leads to human errors. Additionally, environmental lighting, physical conditions, and long-term changes significantly affect this variation. In this study, the quality control process has been automated to eliminate human errors, and the classification process has been standardized. A quality control cabin was designed with a structural framework that ensures photography under standardized conditions. A photo taking device and a user interface for operator use were developed. Machine learning and image processing-based decision-making algorithms have been developed. Original features, histograms in different color spaces, and color scores have been extracted from images of denim products. Autonomous prediction and decision-making methods for classification algorithms were applied. Data augmentation techniques were used on images obtained from various product groups to increase the dataset size. These images have been used as test and training data. Various methods were tested, including Principal Component Analysis (PCA), the Elbow Method, K-Means Clustering, histogram extraction (gray, blue, and RGB), Haralick features (gray and RGB), Hu moments, Local Binary Pattern (LBP), Discrete Wavelet Transform (DWT), ExtraTrees classification, and normalization algorithms. Since different success rates were achieved with different methods, the ExtraTrees classification model, which had the highest success rate of 89%, was selected as the decision-making algorithm.
Benzer Tezler
- Yuvarlak örgü makineleri için görüntü işleme tabanlı kumaş hatası tespit sistemi
Fabric defect detection system based on image processing for circular knitting machines
KAZIM HANBAY
- Hazır giyim ürünlerinin kalite kontrolünde görüntü analiz yönteminin kullanılması
Using image analysis methods in quality control of ready-made products
ÖZGE URAL
- Makine öğrenmesi yaklaşımları kullanılarak denim kumaşlarda kusur tespiti
Defect detection in denim fabrics using machine learning approaches
ZEYNEP PINAR
- Shearlet dönüşümü kullanılarak gerçek zamanlı kumaş hatası tespiti
Real time fabric defect detection by using Shearlet transform
MUHAMMET BAĞIRGAN
- Haddeleme işlemi sırasında ray ve profil yüzeylerinde oluşan kusurların tespit edilmesine yönelik paralel işlemci uygulaması
Defects detection on rail and profile surface during rolling operation by parallel processor application
AHMET ÇELİK
