Örme Kumaşlardaki Üretim Hatalarının Görüntü İşleme Teknikleri İle Otomatik Tespiti Ve Sınıflandırılması

Abstract

Bu çalışmada örme kumaşlarda üretim esnasında meydana gelen hataların bilgisayarlı görme sistemi ile algılanması ve hataların sınıflandırılması için görüntü işleme ve yapay sinir ağları kullanımı incelenmektedir. Literatürde dokuma kumaşlarda hata tespiti ile ilgili başarılı çalışmalar bulunmasına rağmen örme kumaşlardaki hataların tespiti ile ilgili yeterince başarılı bir çalışma bulunmamaktadır. Çalışmada öncelikle, çeşitli hata türlerine sahip kumaş resimleri bilgisayara aktarılmış, histogram eşitleme ve orta filtreleme gibi ön işlemlerden geçirilmiştir. Daha sonra bu resimlere iki boyutlu Fourier dönüşümü uygulanmış, hataların belirlenmesi sağlayacak niteliklerden oluşan nitelik vektörleri elde edilmiştir. Bu nitelik vektörleri yapay sinir ağlarına beslenerek hataların tespiti ve sınıflandırılması yapılmıştır. Çalışmada ayrıca gerçek bir sistemin oluşturulması için gerekli kameralar ve aydınlatma konuları ele alınmış ve gerçek zamanlı olarak çalışacak sistemin makinanın örme hızına yetişebilmesi için bilgisayar algoritmasının sahip olması gereken hız hesaplanarak geliştirilen algoritmanın hız bakımından yeterli olup olmadığı incelenmiştir.

The subject of this thesis is automatic fault detection and classification in knitted fabrics using image processing techniques. Altough there are some research about fault detection on woven fabrics in literature, there is no study about knitted fabrics. In the first step the sample fabrics were pre-processed with Histogram Equalization and Median Filtering. After pre-processing, the samples were 2-D Fourier transformed so that the data set which will be used to detect defects were obtained. Then the data set was fed to Neural Networks to detect and classify the faults. A real time fault classification system has been investigated. For this purpose, the required hardware was determined. The illumination problem was also mentioned. The speed of the algorithm was measured and compared to the necessary speed for real time fault inspection.