SavedAdd your journal

Journals / Bitlis Eren Üniversitesi Fen Bilimleri Dergisi / 2020 / Volume: 9 Issue: 4

Denim Kumaşlarda Görüntü İşleme İle Hata Tespiti

Zeynep Pınar(KOCAELİ ÜNİVERSİTESİ)0000-0001-7434-7697
Fidan Kaya Gülağız(KOCAELİ ÜNİVERSİTESİ)0000-0003-3519-9278
Mehmet Ali Altuncu(KOCAELİ ÜNİVERSİTESİ)0000-0002-2948-3937
Suhap Şahin(KOCAELİ ÜNİVERSİTESİ)0000-0003-1340-8972
Pages
—
Publication Date
2020-12-25
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Yapılan karşılaştırmalarda en iyi performans gösteren algoritmanın J48 Karar Algoritması olduğu görülmüştür.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:T ekstil sektöründe, mamul kumaş üzerindeki üretim hatalarının tespiti, kalite kontrol aşamasında yapılan en önemli ve maliyetli işlerdendir.
📊
Key Findings & Data:Eğer kontrol esnasında fark edilememiş veya parça alımı ile fireye ayırılamamış kusurlar varsa bu kumaşlarda ikinci kaliteye düşmektedir.
💡
Conclusion & Impact:Yapılan karşılaştırmalarda en iyi performans gösteren algoritmanın J48 Karar Algoritması olduğu görülmüştür.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Görüntü İşleme · Denim · Kalite Kontrol

Özet

T ekstil sektöründe, mamul kumaş üzerindeki üretim hatalarının tespiti, kalite kontrol aşamasında yapılan en önemli ve maliyetli işlerdendir. Kumaşlar konfeksiyon aşamasına gelmeden kontrol edilir ve hatalı kısımlar kumaşın içinden parça halinde kesilerek alınır. Bu durum fireye yani üretimde düşüşe yol açmaktadır. Eğer kontrol esnasında fark edilememiş veya parça alımı ile fireye ayırılamamış kusurlar varsa bu kumaşlarda ikinci kaliteye düşmektedir. Kalite kontrol sonrası top kesim işleminde ayrılan hatalı parça kumaşlar veya fark edilmeyerek müşteriye gönderilmiş ikinci kalite ürünler ciddi maliyetlere sebep olmaktadır. İnsan gözüyle yapılan kalite kontrol işlemi, iş gücü ve zaman olarak oldukça maliyetli olmasına rağmen başarımı istenildiği kadar yüksek değildir. Bu nedenle kalite kontrol aşamasında otomatik ve akıllı sistemlerin kullanımı için çalışmalar yapılmaktadır. Bu çalışmada, %100 pamuk ipliğinden üretilerek ve indigo boyarmaddesi ile boyanmış olan denim kumaşlardaki hataların tespiti ve sınıflandırılması için görüntü işleme yöntemleri önerilmektedir. Yapılan çalışmada g örüntü işleme algoritmaları kullanılarak hata tespiti yapılan kumaş görüntülerinden, özellik çıkarımı ile sayısal veri elde edilmiştir. Oluşturulan özellik matrisi dört farklı algoritmada incelenmiş, hatalı ve hatasız görüntünün ayrımı sağlanmıştır. Yapılan karşılaştırmalarda en iyi performans gösteren algoritmanın J48 Karar Algoritması olduğu görülmüştür.

🔖

Cite This Article

Pınar, Z., Gülağız, F. K., Altuncu, M. A., Şahin, S. (2020). Denim Kumaşlarda Görüntü İşleme İle Hata Tespiti. Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, Volume: 9 Issue: 4. https://doi.org/10.17798/bitlisfen.595389

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (29)

  1. Kısaoğlu Ö. 2006. Kumaş Kalite Kontrol Sistemleri, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 12 (2): 233-241.
  2. Gürarda A. 2015. Konfeksiyon İşlemleri ile Kumaş Özellikleri Arasındaki İlişkinin İncelenmesi, Tekstil ve Mühendis Dergisi, 22 (99): 41-50.
  3. Ala D. M., İkiz Y. 2015. Dokuma Üretimi Süresince Oluşan Dokuma Hatalarının Belirlenmesine Yönelik İstatistiksel Bir Araştırma, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 21 (7): 282-287.
  4. Dorrity L., Vachtsevanos G., Jasper W. 1995. Real-Time Fabric Defect Defection &Control in Weaving Processes, National Textile Center, G94- 2, 143-152.
  5. Büyükkabasakal K. 2010. Kumaş Dokuma Hatalarının Tespiti ve Sınıflandırılması. Ege Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Anabilim Dalı, Yüksek Lisans Tezi, 48s, İzmir.
  6. Yıldız K. 2014. Kumaş Hatalarının Isıl Görüntüleme ve Görüntü İşleme Teknikleri ile Tespit Edilmesi. Marmara Üniversitesi, Fen Bilimleri Enstitüsü, Elektronik-Bilgisayar Eğitimi Anabilim Dalı, Doktora Tezi, 98s, İstanbul.
  7. Agilandeswari V., Anuja J., Elizabeth Dona George. 2014. Fabric quality testing using image processing. International Conference on Information Communication and Embedded Systems (ICICES2014). IEEE, 1-4.
  8. Saklı F., Zıtouni B., Jmali M. 2014. Fabric Defects Detecting Using Imagine Processing And Neural Networks. 2014 Information and Communication Technologies Innovation and Application (ICTIA). IEEE, 1-6.
  9. Liu M., Sun J., Fan Z., Zhang S. 2014. Automatic location and extraction of woven fabric blocks based on Gaussian blur and maximization thought. 2014 International Conference on Mechatronics and Control (ICMC). IEEE, 950-954.
  10. Hanbay K. 2016. Yuvarlak Örgü Makineleri İçin Görüntü işleme Tabanlı Kumaş Hatası Tespit Sistemi. İnönü Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Doktora Tezi, 112s, Malatya.
  11. Titrek N. G. 2016. Fabric Defect Detection In Frequency Domain Using Fourier Analysis. Işık Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Yüksek Lisans Tezi, 46s, İstanbul.
  12. Karataş İ., Soyaslan D. Tekstil Endüstrisinde Yapay Görme ile Hata Tespit Uygulamaları. Mehmet Akif Ersoy Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 7.Özel (Special) 1: 51-57.
  13. Çakır N. 2010. Kot Pantolon Üretiminde Bitim İşlemlerinin ve Farklı Denim Kumaşların Fit Üzerine Etkileri. Pamukkale Üniversitesi, Fen Bilimleri Enstitüsü, Tekstil Mühendisliği anabilim Dalı, Yüksek Lisans Tezi, 99s, Denizli.
  14. Tahran M. 2005. Eskitme Yöntemlerinin Denim Mamullerin Performans Özelliklerine Etkisi. Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi.
  15. TSE. 2005. Dokunmuş Kumaşlar Hata Tarifleri Terimler, TSE, Ankara, Türkiye, TS 471 ISO 8498.
  16. Altuncu M. 2015. Temel Görüntü İşleme Algoritmalarının Gerçek Zamanlı Olarak FPGA İle Gerçeklenmesi. Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Yüksek Lisans Tezi, 37s, Kocaeli.
  17. Mahajan P. M., Kolhe S. R., Pati P.M. 2009. A review of automatic fabric defect detection techniques, Advances in Computational Research, 1(2):18-29.
  18. Hanbay K., Talu M. 2014. Kumaş Hatalarının Online/Offline Tespit Sistemleri ve Yöntemleri. SAÜ Fen Bilimleri Dergisi, 18(1): 49-69.
  19. Davidson I. 2002. Understanding K-means non-hierarchical clustering. SUNY Albany Technical Report, 2: 2-14.
  20. Yıldız K., Çamurcu Y., Doğan B. 2010. Veri Madenciliğinde Temel Bileşenler Analizi ve Negatifsiz Matris Çarpanlarına Ayırma Tekniklerinin Karşılaştırmalı Analizi. Akademik Bilişim’10, 248.
  21. Pena J. M., Lozano J. A., Larranaga P. 1999. An empirical comparison of four initialization methods for the k-means algorithm. Pattern recognition letters, 20(10):1027-1040.
  22. Kaur G., Chhabra A. 2014. Improved J48 classification algorithm for the prediction of diabetes. International Journal of Computer Applications, 98(22):13-17.
  23. Coşkun C. 2010. Veri Madenciliği Algoritmaları Karşılaştırılması. Dicle Üniversitesi, Fen Bilimleri Enstitüsü, Matematik Anabilim Dalı, Yüksek Lisans Tezi, 98s, Diyarbakır.
  24. Demirbulut Y. E., Aktaş M. S., Kalıpsız O., Bayracı S. 2017. İstatistiksel ve Makine Öğrenimi Yöntemleriyle Kredi Skorlama. 272-284.
  25. Url_1,Yale Universitesi, İstatistik ve Veri Bilimleri Bölümü, Ders Notları, http://www.stat.yale.edu/Courses/1997-98/101/linreg.htm (Erişim Tarihi: 07.05.2019).
  26. Hand D. J., Keming Y. 2001. Idiot's Bayes—not so stupid after all?. International statistical review, 69(3): 385-398.
  27. Ren J., Lee S. D., Chen X., Kao B., Cheng R., Cheung D. 2009. Naive Bayes Classification of Uncertain Data. Data Mining. ICDM'09, 944-949.
  28. Yıldız K. 2014. Kumaş Hatalarının Isıl Görüntüleme ve Görüntü İşleme Teknikleri İle Tespit Edilmesi. Fen Bilimleri Enstitüsü, Elektronik-Bilgisayar Eğitimi Anabilim Dalı, Doktora Tezi, 98s, İstanbul.
  29. Ismail N., Syahrir W. M., Zain J. M., Tao H. 2011. Fabric authenticity method using fast Fourier transformation detection. In International Conference on Electrical, Control and Computer Engineering 2011. 233-237. IEEE.