ÜRETİM AŞAMASINDA RAY ve PROFİLDE OLUŞAN KUSURLARININ TESPİTİNE YÖNELİK BİR PARALEL KUSUR ALGILAMA ALGORİTMASI

Öz

Otomatik bir sistem tarafından görüntü  işlenerek sonuç elde etmek günümüzde pek çok  alanda gerekli olabilmektedir.  Kusurlu ürün üretimi birçok alanda karşılaşılan üreticiler tarafından da istenmeyen bir durumdur. Görüntü işleyerek görüntü üzerindeki kusurların tespit edilmesi bu alanda kullanılan bir yöntemdir. Görüntü işleme piksel temelli yapıldığından dolayı çok iş yükü oluşturmaktadır. Hızın işlem sürecinde önem arz ettiği durumlarda paralel görüntü işlemenin yapılması bir çözüm olabilmektedir. Bundan dolayı mevcut çok çekirdekli bilgisayarların  donanım ya da yazılım yardımıyla paralelleştirlerek görüntülerin işlenmesi performans sağlayacaktır. Paralel görüntü işlemede elde edilen performans, kullanılan algoritmanın paralelliğe uygun olması ve işlemcilere doğru bir şekilde dağıtım yapılması ile ilişkilidir. Kaynakların ortak kullanımı ve veri alışverişinin fazla olması performansı doğrudan etkiler. Bu çalışmada; Kardemir A.Ş. ait haddehanede, haddeleme işlemi sırasında ray ve profil yüzeylerinde meydana gelen kusurların tespit edilmesine yönelik geliştirilen COLMSTD algoritmasının paralel uygulaması, iki farklı şekilde gerçekleştirilmiştir. 1. Yöntemde GPU yapısındaki çalışacak CUDA çekirdek sayıları yazılımsal olarak değiştirilmiş ve 2. Yöntem ise tek CUDA çekirdeği yapısında blok sayıları değiştirilerek, test gerçekleştirilmiştir. Bununla birlikte GPU (Graphics Processing Unit) üzerinde CUDA (Compute Unified Device Architecture) arayüz desteğinin uygulanması ile elde edilen değerler ve CPU üzerinde elde edilen değerler kıyaslanmıştır.

Anahtar Kelimeler

• Sıcak haddeleme işlemi,Kusur tespiti; Ray; Profil; Grafik işlemcisi; CUDA; Paralel sistemler; Paralel performans.

Kaynakça

1. Henry Y. T. N, Grantham K. H. P, Nelson H. C. Yb. “Automated fabric defect detection - A review”, Image and Vision Computing, 29, 442-458, 2011.
2. Funck J. W, Zhong Y, Butler D. A, Brunner C. C, Forrer J. B. “Image segmentation algorithms applied to wood defect detection”, Computers and Electronics in Agriculture, 41, 157-179, 2003.
3. Calle F. J, Bulnes F. G, Garcia D. F, Usamentiaga R, Molleda J. “A Parallel Genetic Algorithm for Configuring Defect Detection Methods”, Latin America Transactions, 13, 1462-1468, 2015.
4. Yazdchi M, Yazdi M, Mahyari A. G. “Steel Surface Defect Detection Using Texture Segmentation Based on Multifractal Dimension”, IEEE International Digital Image Processing Conference, Bangkok, Thailand: IEEE. pp. 346-350, 7-9 March 2009.
5. Gebali F. Algorithms-Parallel-Computing. New Jersey, USA: John Wiley Sons, 2011.
6. Spinola. G. C, Canero-Nietro M. J, Bonelo M. J. “Real-time image processing for edge inspection and defect detecion in stainless steel production lines”, Imaging Systems and Techniques, Penang, Malaysia, 170-175, 17-18 May 2011.
7. Jaja J. An introduction to Paralel algoritms, Redwood City, USA: Addison Wesley Longman Publishing, 1992.
8. Xianghua X. “A Review of Recent Advances in Surface Defect Detection using”, Electronic Letters on Computer Vision and Image Analysis, 3, 1-22, 2008.

9. Shapiro L, Stockman G. Computer Vision, Washington, USA: Pearson, 2001.
10. Vandal N. A, Savvides M. “CUDA accelerated illumination preprocessing on GPUs”, 17th IEEE Digital Signal Processing (DSP 2011), Corfu, Greece, 1-6, 6-8 July 2011.
11. Orak M. I, Çelik A. “Parallel Noise Removing Process on Hot Rolled Rail Images for Defect”, Global Journal on Technology, 136-143, 2015.
12. Sadeghi M, Soltani H, Zamanıfar K. “Application of Parallel Algorithm in Image Processing of Steel Surfaces for Defect Detection”, Cumhuriyet University Science Journal, 36, 263-173, 2015.
13. Sánchez M. G, Vidal V, Bataller J, Arnal J. “A Parallel Method for Impulsive Image Noise Removal on Hybrid CPU-GPU Systems”, Procedia Computer Science, 8, 2504-2507, 2013.
14. Weimer D, Thamer H, Thoben D. K. “GPU architecture for unsupervised surface inspection using multiscale texture analysis”, Procedia Technology, 15, 278-284, 2014.
15. Qishi W, Jinzhu G, Zizhong C, Mengxia Z. “Pipelining parallel image compositing and delivery for efficient remote visualization”, Journal of Parallel and Distributed Computing, 69, 230-238, 2009