Tez No	İndirme	Tez Künye	Durumu
444269		Yuvarlak örgü makineleri için görüntü işleme tabanlı kumaş hatası tespit sistemi / Fabric defect detection system based on image processing for circular knitting machines Yazar:KAZIM HANBAY Danışman: DOÇ. DR. MUHAMMED FATİH TALU Yer Bilgisi: İnönü Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Bilgisayarlı görüntüleme = Computer imaging ; Sayısal görüntü işleme = Digital image processing	Onaylandı Doktora Türkçe 2016 126 s.
Günlük hayatta vazgeçilmez bir kullanıma sahip olan kumaş, dokuma ve örgü makinelerinde üretilmektedir. Üretim esnasında meydana gelen çeşitli olumsuzluklar üretilen kumaşın hata içermesine yol açmaktadır. Bunun sonucu olarak tekstil sektöründe hammadde, işçilik ve enerji kayıpları meydana gelmektedir. Dokuma makinelerinde hatalı kumaş üretimini engelleyen hata tespit sistemleri mevcuttur. Ancak yuvarlak örgü makinelerinde kumaş hatasını (istenen başarıda) tespit edebilen bir ürünün bulunmaması, bu tez çalışmasının temel motivasyonunu oluşturmaktadır. Tez çalışmasında yuvarlak örgü makinesi üzerinde gerçek zamanlı çalışabilen bir kumaş hatası tespit sistemi geliştirilmiştir. Bu sistem (1) görüntü elde etme düzeneğinin kurulması; (2) kumaş veri tabanının inşası; (3) hata tespit yöntemlerinin geliştirilmesi; (4) üretim esnasında hata tespit süreçlerini içermektedir. Tez sürecinde yapılan çalışmalar neticesinde 6 farklı kumaş tipi ve 10 farklı kumaş hatasını içeren yeni bir kumaş veri tabanı inşa edilmiştir. Bu görüntülerin uzaysal ve frekans alanında öznitelikleri elde edilmiş ve sınıflandırılma işlemleri gerçekleştirilmiştir. Tezin en önemli katkısı 6 yeni öznitelik çıkarma yöntemini literatüre kazandırmış olmasıdır: GDF-HOG, Eig(Hess)-HOG, ikinci mertebe HOG, Eig(Hess)-CoHOG, GM-CoHOG ve yüzey etiketleme temelli CoHOG. Her bir yöntemin klasik yöntemler ile karşılaştırmalı olarak sağladığı üstünlükler ve eksiklikler tez içerisinde detaylı bir şekilde irdelenmiştir. Uzaysal alandaki bu yöntemlere ek olarak, Fourier, dalgacık ve shearlet dönüşüm yöntemleri kullanılarak spektral kumaş görüntülerinin belirli istatistiksel öznitelikleri çıkartılmış ve sınıflandırılmaları sağlanmıştır. Sınıflandırıcı olarak Yapay Sinir Ağları kullanılmıştır. Geliştirilen hata tespit sistemi Madoksan Tekstil Ltd. Şti. (Malatya) firmasında yuvarlak örgü makinesi üzerine kurulmuştur. Yapılan gerçek zamanlı hata tespit çalışmalarında sık karşılaşılan kumaş hatası türleri üretim esnasında başarılı bir şekilde tespit edilmiştir.
Fabric, having an indispensable use in daily life, is produced in weaving and knitting machines. Various disadvantages which occur during manufacture lead to the defects in the produced fabric. As a result of this, losses in raw materials, labour and energy occur in the textile industry. Defect detection systems that prevent the production of defected fabric are available in weaving machines. However, the absence of a product to detect the fabric defect in circular knitting machine (with the desired success) is the main motivation of this thesis. In this thesis, a fabric defect detection system that can operate in real time on a circular knitting machine has been developed. This system comprises (1) the establishment of the image acquisition device; (2) the construction of a fabric database; (3) development of defect detection methods; (4) defect detection during the production process. As a result of the studies conducted in the thesis process, a new fabric database that contains 6 different fabrics and 10 different fabric defects has been built. The features of these images in the spatial and frequency domain have been obtained, and classification of these images has been carried out. The most important contribution of this thesis is that it gives the literature 6 new feature extraction methods: GDF-HOG, Eig(Hess)-HOG, second order HOG, Eig(Hess)-CoHOG, GM-CoHOG and surface labeling-based CoHOG. The advantages and shortcomings of each method in comparison with conventional methods are discussed in detail in the thesis. In addition to these methods in the spatial domain, by using Fourier, wavelet and shearlet transform methods, specific statistical features of the fabric images have been extracted and their classification has been provided. Artificial Neural Networks have been used as a classifier. The improved defect detection system has been set on the circular knitting machine in Madoksan Textile Ltd. Com. (Malatya). In real time defect detection studies, common fabric defect types have been detected successfully during production.