Tekstil sektöründe görüntü işleme
Image processing in the textile industry
- Tez No: 934865
- Danışmanlar: DOÇ. DR. ŞAHİN YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mekatronik Mühendisliği, İstatistik, Computer Engineering and Computer Science and Control, Mechatronics Engineering, 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: 70
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
- Gerçek zaman-imge işleme temelli kumaş kalite kontrol sistemi
Real time-image processing based fabric quality control system
MEHMET ERDOĞAN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Makine öğrenmesi yaklaşımları kullanılarak denim kumaşlarda kusur tespiti
Defect detection in denim fabrics using machine learning approaches
ZEYNEP PINAR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SUHAP ŞAHİN
- Fermuar kesme makinesi tasarımı ve üretimi
Design and manufacturing of zipper cutting machine
EMRE GÜRBÜZ
Yüksek Lisans
Türkçe
2024
Mekatronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MÜCAHİT SOYASLAN
- 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
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH TALU
- Shearlet dönüşümü kullanılarak gerçek zamanlı kumaş hatası tespiti
Real time fabric defect detection by using Shearlet transform
MUHAMMET BAĞIRGAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ AKSOY TÜYSÜZ