Process Monitoring in Production with Image Processing Technique

Year 2025, Volume: 8 Issue: 4, 1975 - 1992, 16.09.2025

Musa Çalişkan , Yunus Kayır

https://doi.org/10.47495/okufbed.1545564

Abstract

In recent years, the use of cameras for monitoring production has become increasingly widespread. This study compiles previous research conducted on camera-based production monitoring. The focus is on identifying articles published particularly in the last ten years, and classifying them according to their respective industries. The study mainly concentrates on manufacturing processes involving plastic injection molding. The applicability of image processing techniques in areas such as quality control, defect detection, and product classification is evaluated. Within the scope of the study, the advantages and disadvantages of these techniques are identified. As a result, despite the current advancements in technology, it has been revealed that the initial installation costs of systems that monitor production using image processing remain high. However, these techniques significantly contribute to productivity by eliminating negative human-related factors (such as psychological state, fatigue, illness, etc.) in the production monitoring process.

Keywords

Image Processing , Production Monitoring , Camera Use in Industrial Production , Fault Detection

Görüntü İşleme Tekniği ile Üretimde Süreç İzleme

Abstract

Son yıllarda, üretimin kameralarla izlenmesi oldukça yaygın kullanılmaktadır. Bu çalışmada, kamera ile üretimin izlenmesine yönelik yapılmış olan çalışmalar toplanmıştır. Özellikle son 10 yılda yayınlanan makaleler belirlenmeye çalışılmış olup, sektörlerine göre sınıflandırılmıştır. Ağırlık olarak plastik enjeksiyon kalıpçılığı ile yapılan üretimler ele alınmıştır. Görüntü işleme tekniklerinin kalite kontrolü, hata tespiti ve çıkan ürünün sınıflandırılması gibi alanlarda kullanılabilirliği değerlendirilmiştir. Çalışma kapsamında, bu tekniklerin avantajları ve dezavantajları belirlenmeye çalışılmıştır. Sonuç olarak, günümüz teknolojik gelişmelerine rağmen, görüntü işleme ile üretimi izleyecek sistemlerin ilk kurulum maliyetlerinin yüksek olduğu, ancak üretimin izlenmesinde insandan kaynaklanabilecek olumsuz etkilerin (psikolojik durum, yorgunluk, hastalık, vb.) ortadan kaldırılmasıyla verimliliğin artırılmasında görüntü işleme tekniklerinin büyük katkı sağladığı ortaya konulmuştur.

Keywords

Görüntü İşleme , Üretim İzleme , Endüstriyel Üretimde Kamera Kullanımı , Hata Tespiti

References

• Ageyeva T., Horváth S., Kovács JG. In-mold sensors for injection molding: On the way to industry 4.0. Sensors 2019; 19(16): 3551.
• Aydın A. Etlik piliç üretiminde hassas hayvancılık teknolojilerinin önemi. Lapseki Meslek Yüksekokulu Uygulamalı Araştırmalar Dergisi 2020; 1(1): 88-98.
• Bağcı E. Endüstri 4.0: yeni üretim tarzını anlamak. Gümüşhane Üniversitesi Sosyal Bilimler Dergisi 2018; 9(24): 122-146.
• Balcıoğlu YS. Small object detection method with k-detector for metal parts surface defect detection. Gümüşhane Üniversitesi Fen Bilimleri Dergisi 2024; 14(2): 538-549.
• Barış B., Özek HZ. Dokuma kumaş hatalarının sistematik sınıflandırılması üzerine bir çalışma. Tekstil ve Mühendis 2019; 26(114): 156-167.
• Baygin M., Karakose M., Sarimaden A., Erhan A. Machine vision based defect detection approach using image processing. In 2017 international artificial intelligence and data processing symposium (IDAP) (2017, September); (pp. 1-5). IEEE.
• Bergs T., Holst C., Gupta P., Augspurger T. Digital image processing with deep learning for automated cutting tool wear detection. Procedia Manufacturing 2020; 48: 947-958.
• Bone GM., Capson D. Vision-guided fixtureless assembly of automotive components. Robotics and Computer-Integrated Manufacturing 2003; 19(1-2): 79-87.
• Boyacıgil MF., Uzun Y. Raspberry pi tabanlı görüntü işleme uygulaması geliştirilmesi. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi 2023; 6(2): 1067-1078.
• Dallı B., Çakır MC. Development of an ımage processing system for the automatic quality control of the vehicle airbag plastic parts. 10th International Congress on Engineering, Architecture and Design 2022; 68-79.
• Demirkıran E. Akıllı kalite kontrol kameraları ve karşılaştırılması. Avrupa Bilim ve Teknoloji Dergisi 2021; 28: 627-629.
• Duman B., Özsoy K. Toz yatak füzyon birleştirme eklemeli imalatta kusur tespiti için öğrenme aktarımı kullanan derin öğrenme tabanlı bir yaklaşım. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 2021; 37(1): 361-376.
• Gadalla OAA., Öztekin YB. Image processing and traditional machine learning based classification of brown marmorated stink bug (halyomorpha halys) defected hazelnut. Tekirdağ Ziraat Fakültesi Dergisi 2023; 20(4): 784-798.
• Gerger A. Endüstri 4.0 üretim sürecinde süreç değişkenliğinin optimizasyonunda heıjunka yöntemi. Izmir Democracy University Social Sciences Journal 2019; 2(1): 1-17.
• Gok A., Gologlu C., Demirci HI. Cutting parameter and tool path style effects on cutting force and tool deflection in machining of convex and concave inclined surfaces. The International Journal of Advanced Manufacturing Technology 2013; 69: 1063-1078.
• Golgiyaz S., Talu MF., Onat C. Görüntü işleme ve makine öğrenmesi yöntemleri ile baca gazı sıcaklığının tahmin edilmesi. Avrupa Bilim Ve Teknoloji Dergisi 2019; 16: 283-291.
• Gonzalez RC., Woods RE. Digital image processing. 3rd ed. New Jersey: Prentice-Hall; 2002.
• Güvenoğlu E., Bağırgan M. Shearlet dönüşümü ve görüntü işleme teknikleri kullanılarak kot kumaşlar üzerinde gerçek zamanlı hata tespiti. El-Cezeri 2019; 6(3): 491-502.
• Güzelce B., Bayrak G. Developing a real-time pattern matching algorithm using artificial neural network for a reliable quality control in industrial applications. Gümüşhane Üniversitesi Fen Bilimleri Dergisi 2021; 11(2): 537-546.
• How Is The Injection molding processed. Knowledge. Shanghai Henglian Industrial Co. Ltd., 6 Ocak 2020, Erişim Tarihi: 08.01.2025, https://ecfpmould.com/how-is-the-injection-molding-processed/.
• Hu Z., Yin Z., Qin L., Xu F. A novel method of fault diagnosis for injection molding systems based on improved Vgg16 and machine vision. Sustainability 2022; 14(21): 14280.
• Kariminejad M., Tormey D., Huq S., Morriso, J., McAfee M. Ultrasound sensors for process monitoring in injection moulding. Sensors 2021; 21(15): 5193.
• Katırcıoğlu F., Cingiz Z., Çay Y., Gürel A., Sarıdemir S., Kolip A. R22 ve alternatifleri R438A ile R417A soğutucu akışkanları için kızılötesi görüntü işleme teknikleri kullanarak, soğutma sistem performansının incelenmesi. Academic Platform-Journal of Engineering and Science 2020; 8(3): 500-513.
• Kaushik S., Jain A., Chaudhary T., Chauhan NR. Machine vision based automated inspection approach for clutch friction disc (CFD). Materials Today: Proceedings 2022; 62: 151-157.
• Kaya Z., Aksoy B., Özsoy K. Eklemeli imalat yöntemiyle üretilen altı eksenli robot kol ile görüntü işleme ve yapay zekâ tabanlı ürünlerin tasniflemesi. Journal of Materials and Mechatronics: A 2023; 4(1): 193-210.
• Kim EG., Park JK., Jo SH. A study on fiber orientation during the injection molding of fiber-reinforced polymeric composites:(Comparison between image processing results and numerical simulation). Journal of Materials Processing Technology 2001; 111(1-3): 225-232.
• Kim JW., Kim HS., Lee DG. Study on fibre orientation of weld line parts during injection moulding of fibre reinforced plastic by image processing. Materials Research Innovations 2011; 15(1): 303-306.
• Koç Y., Özkan D. Otomotiv sektöründe kullanılan parçaların robot ve kamera yardımı ile ölçümü yapılarak, manuel hatanın azaltılması. Journal of Materials and Mechatronics: A 2021; 2(2): 112-126.
• Kurt M., Kamber OS., Kaynak Y., Atakok G., Girit O. Experimental investigation of plastic injection molding: Assessment of the effects of cavity pressure and mold temperature on the quality of the final products. Materials & Design 2009; 30(8): 3217-3224.
• Lee JY., Han CH., Ko KW., Lee S. Development of vision system for defect inspection of electric parts in the tape and reel package. In 2016 16th International Conference on Control, Automation and Systems (ICCAS) (2016, October); (pp. 437-439). IEEE.
• Lee T., Tho G., Oh S., Hahn JW. Enhancing the image contrast of defect patterns in molded plastic cases of mobile phones with a digital image process. Advances in Polymer Technology 2014; 33(1).
• Lyu Y., Chen J., Song Z. Image-based process monitoring using deep learning framework. Chemometrics and Intelligent Laboratory Systems 2019; 189: 8-17.
• Miike H., Koga K., Yamada T., Kawamura T., Kitou M., Takikawa N. Measuring surface shape from specular reflection ımage sequence–quantitative evaluation of surface defects of plastic moldings–. Japanese Journal of Applied Physics 1995; 34(12A): L1625.
• Ogorodnyk O., Martinsen K. Monitoring and control for thermoplastics injection molding a review. Procedia Cirp 2018; 67: 380-385.
• Okudan, A., Şahin, ÖS. Yapay sinir ağları ile üç boyutlu obje sınıflandırmada konvolüsyon filtrelerinin etkisinin incelenmesi. Selcuk University Journal of Engineering Sciences 2019; 18(3): 164-178.
• Osswald TA., Hernández-Ortiz JP. Polymer processing. Modeling And Simulation. Munich: Hanser 2006; 1-651.
• Özçevik Y., Solmaz Ö., Baysal E., Ökten M. Otonom araç tasarımı için gerçek zamanlı benzetim ortamı mimarisi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 2023; 38(3): 1867-1878.
• Öztürk S., Kuncan M. Kameradan alınan görüntünün CNC tezgâhında gerçek zamanlı olarak işlenmesi. Bitlis Eren Üniversitesi Fen Bilimleri Dergisi 2020; 9(3): 1251-1263.
• Peker NY., Zengin A., Eroğlu Erdem Ç., Demirsoy MS. Göz kırpma tespiti için yeni bir uyarlamalı eşik değeri algoritması. Eskişehir Osmangazi Üniversitesi Mühendislik ve Mimarlık Fakültesi Dergisi 2023; 31(2): 718-728.
• Pınar Z., Gülağız FK., Altuncu MA., Şahin S. Denim kumaşlarda görüntü işleme ile hata tespiti. Bitlis Eren Üniversitesi Fen Bilimleri Dergisi 2020; 9(4): 1609-1620.
• Samtaş G., Gülesin M. Sayısal görüntü işleme ve farklı alanlardaki uygulamaları. Ejovoc (Electronic Journal of Vocational Colleges) 2012; 2(1): 85-97.
• Scime L., Beuth J. Anomaly detection and classification in a laser powder bed additive manufacturing process using a trained computer vision algorithm. Additive Manufacturing 2019; 19: 114-126.
• Sözeri V., Keskin O., Harmanşah C., Kozak İ., Kibar EN. Görüntü işleme algoritmalarına dayalı olarak manyetik parçacık test görüntülerinde kusur tespitinin araştırılması. Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi 2023; 23(1): 115-122.
• Ülkü E., Demi̇r Ö., Yildiz K., Yildiz Z. Fiber thickness measurement using image processing. 2015 23nd Signal Processing and Communications Applications Conference (SIU) 2015; 1166-1166.
• Yaka H., Demir H., Gök A. Optimization of the cutting parameters affecting the surface roughness on free form surfaces. Sigma 2017; 35(2): 323-331.
• Yu X., Lin X., Dai Y., Zhu K. Image edge detection based tool condition monitoring with morphological component analysis. ISA Transactions 2017; 69: 315-322.
• Zalaoğlu D., Karakus P. İşlenebilirlikte kenar belirleme algoritmalarının kullanılabilirliği. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi 2022; 5(2): 707-719.
• Zhang C., Zhang J. On-line tool wear measurement for ball-end milling cutter based on machine vision. Computers in Industry 2013; 64(6): 708-719.