Tekstil kumaşlarında yapay görme ile hata tespit uygulaması

Abstract

Bu tez çalışmasında; Arduino nano ve TSL201R optik çizgi sensörü kullanılarak bir hata tespit cihazı geliştirilmesi ve bu cihazın oto korelasyon yöntemi ile havlı örme kumaş üzerinde bulunan ilmek düşmesi, uçuntu, yağ lekesi, enine yönde çizgi, boncuklanma ve patlak hatalarının tespit edilmesi amaçlanmıştır.Çalışma kapsamında, hata tespit cihazından elde edilen hatalı ve hatasız kumaş görüntüleri; tez kapsamında java programlama dili kullanılarak yazılan bir programla histogramlara dönüştürülmüştür.Çalışma sonucunda; uçuntu, boncuklanma ve enine yönde çizgi hataları birbirleri ile benzer histogram grafikleri vermişlerdir. Böylece; geliştirilen cihazın bu hata tiplerine yönelik olarak istenilen ayırt edilebilirlik ölçüsünde yeterli olmadığı ve bu hataların tespiti için mikro boyutlarda inceleme gerektiği sonucuna varılmıştır. İlmek düşmesi, yağ lekesi ve patlak hataları ile ilgili olarak ise; birbirlerinden farklı ve tipik histogram grafikleri elde edilmiş ve geliştirilen cihazın bu hata tipleri için istenilen ayırt edilebilirlik ölçüsünde yeterli olduğu sonucuna varılmıştır.

In this study, it has been aimed to develop an eror detection device by using Arduino Nano and TSL201 optical line sensor, and to determine stitch drop, fly generation, oil stains, lines in the transverse direction, pilling and crack errors by the auto correlation method in this device In the study, defective and defect-free fabric images obtained from the error detection device has been converted into the histograms via a program written in the Java programming language.In conclusion; fly generation, pilling and lines in the transverse direction errors have given identical histogram images with each other. Thus; it has been concluded that these types of errors require micro-analysis and the device developed does not efficient enough to distinguish them. Regarding stitch drop, oil stains and crack errors, it has been obtained different and typical histogram graphics from each other and has been concluded that the device developed is efficient enough to distinguish these types of errors at desired level.