Üretimde görüntü tabanlı anomali tespiti: Tekstil verisi ile yapay zekâ destekli gömülü sistem uygulaması
Image-based anomaly detection in manufacturing: An embedded system application supported by artificial intelligence using textile data
- Tez No: 959839
- Danışmanlar: DR. ÖĞR. ÜYESİ AHMET REMZİ ÖZCAN
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bursa Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 165
Özet
Bu tez çalışması, tekstil üretim hatlarında karşılaşılan yüzey kusurlarının otomatik olarak tespitine yönelik görüntü tabanlı anomali tespiti problemine, derin öğrenme temelli yöntemlerle çözüm geliştirmeyi amaçlamaktadır. Bu kapsamda, literatürde yaygın olarak kullanılan MVTecAD ve WFDD veri setleri üzerinde 9 farklı model ve omurga mimarisi sistematik biçimde değerlendirilmiş; doğruluk, çıkarım süresi, bellek tüketimi ve parametre sayısı gibi çok boyutlu performans ölçütleri kullanılarak kapsamlı karşılaştırmalar gerçekleştirilmiştir. Elde edilen bulgular doğrultusunda en başarılı üç model belirlenmiş ve nihai seçim olarak GLASS mimarisi tercih edilmiştir. Çalışmanın özgün katkılarından biri, endüstriyel üretim koşullarını yansıtan AIORCOM-TextileAD adlı özel bir veri setinin oluşturulmasıdır. Bu veri seti ile yeniden eğitilen model, öncelikle yüksek performanslı sistemlerde test edilmiş, ardından gömülü sistem ortamına (Raspberry Pi 5) aktarılmıştır. Gömülü sistem üzerinde yapılan testlerde modelin gerçek zamanlı çalışabilirliği ve sınırlı kaynaklarda gösterdiği performans analiz edilmiştir. Elde edilen sonuçlar, seçilen modelin düşük maliyetli donanımlarda dahi anlamlı bir doğruluk ve işlem süresi ile çalışabildiğini ortaya koyarak, yapay zekâ tabanlı otomatik kalite kontrol sistemlerinin tekstil endüstrisine entegrasyonuna yönelik önemli bir uygulama potansiyeli sunmaktadır.
Özet (Çeviri)
This thesis aims to develop a solution to the problem of image-based anomaly detection for the automatic detection of surface defects encountered in textile production lines using deep learning-based methods. In this context, 9 different models and backbone architectures were systematically evaluated on the MVTecAD and WFDD data sets widely used in the literature; comprehensive comparisons were made using multi-dimensional performance criteria such as accuracy, inference time, memory consumption and number of parameters. In line with the findings obtained, the three most successful models were determined, and the GLASS architecture was preferred as the final choice. One of the original contributions of the study is the creation of a special data set called AIORCOM-TextileAD, which reflects industrial production conditions. The model, which was retrained with this data set, was first tested on high-performance systems and then transferred to the embedded system environment (Raspberry Pi 5). In the tests conducted on the embedded system, the real-time operability of the model and its performance on limited resources were analyzed. The results obtained demonstrate that the selected model can operate with significant accuracy and processing time even on low-cost hardware, offering significant application potential for the integration of artificial intelligence-based automatic quality control systems into the textile industry.
Benzer Tezler
- Kamera tabanlı algılama sistemleri için yapay zeka tabanlı anomali tespiti
Artificial intelligence based anomaly detection for camera-based perception systems
MUSTAFA KARACA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BİLGİNER GÜLMEZOĞLU
DR. ÖĞR. ÜYESİ UĞUR YAYAN
- Konveyör üzerindeki nesnelerde çoklu anomali tespiti için görme tabanlı tanıma yaklaşımlarının geliştirilmesi
Development of vision-based recognition approaches for multiple anomaly detection in objects on conveyors
TUBA MÜEZZİNOĞLU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET KARAKÖSE
- Görüntü işleme teknolojisi kullanılarak yüksek çözünürlüklü kamera görüntülerinden 3 boyutlu yazıcılarda anomali tespiti
Anomaly detection in 3D printers using image processing technology on high-resolution camera images
UTKU ATAMAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURCU YILMAZEL
- Endüstriyel üretim hatlarında az sayıda veri ile öğrenebilen görüntü işleme teknolojisi ile kusurlu ürün tespiti
Defected product detection in industrial assembly lines using image processing technology with limited data
ALİ AKYOL
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiHaliç ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLKAY SARAÇOĞLU
- Oto-kodlayıcı mimarisi kullanarak mermer yüzey anomali tespiti
Marble surface anomaly detection using autoencoder architecture
MUHAMMAD YAHYA ABDULLAH
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL ÖZ