Araştırma Makalesi

Hu Momentleri ve CNN Tabanlı Hibrit Model ile Hazır Giyim Kalıp Görsellerinde Kusur Sınıflandırması

Cilt: 16 Sayı: 3 18 Ağustos 2026
PDF İndir
TR EN

Hu Momentleri ve CNN Tabanlı Hibrit Model ile Hazır Giyim Kalıp Görsellerinde Kusur Sınıflandırması

Öz

Bu çalışma, hazır giyim ve konfeksiyon alanında farklı beden gruplarına ait kalıp/giyim parçası görsellerindeki yapısal kusurların sınıflandırılması için Hu momentleri ile evrişimsel sinir ağı (CNN) mimarisini birleştiren hibrit bir model önermektedir. Small (S), Medium (M) ve Large (L) beden gruplarındaki clean ve defect sınıflarından oluşan veri kümesi, gerçek kumaş/kalıp görselleri temel alınarak hazırlanmış ve veri artırma yöntemleriyle dengelenmiştir. Modelde her görüntüden çıkarılan yedi boyutlu Hu moment vektörü, CNN tarafından öğrenilen görsel özniteliklerle erken füzyon yöntemiyle birleştirilmiştir. Böylece Hu momentlerinin dönüşüm-bağımsız geometrik temsil gücü ile CNN’in otomatik örüntü öğrenme kapasitesi birlikte kullanılmıştır. Çalışmanın özgün yönü, bu iki öznitelik türünün beden bazlı kalıp kusuru sınıflandırması için bütünleştirilmesidir. Aşırı öğrenmeyi azaltmak amacıyla erken durdurma ve öğrenme oranı azaltma stratejileri uygulanmıştır. Deneysel sonuçlarda model, tüm beden gruplarında yüksek başarı göstermiş; M beden grubunda doğruluk ve F1-score %99’a ulaşmıştır. Karışıklık matrisi ve ROC analizleri de clean ve defect sınıflarının başarılı biçimde ayrıldığını göstermiştir. Bulgular, önerilen hibrit yapının sınırlı veri koşullarındaki hazır giyim kalite kontrol uygulamaları için etkili ve uygulanabilir bir alternatif olduğunu göstermektedir.

Anahtar Kelimeler

Hu Momentleri, Evrişimsel Sinir Ağları, Hazır Giyim, Kalıp Kusuru Sınıflandırması, Hibrit Model

Kaynakça

  1. AbuRass, S., Huneiti, A., Al-Zoubi, M. B. (2020). Enhancing convolutional neural network using Hu’s moments. International Journal of Advanced Computer Science and Applications, 11(12), 130-137. doi:10.14569/IJACSA.2020.0111216.
  2. Ahanin, Z., Ismail, M. A., Singh, N. S. S., Al-Ashmori, A. (2023). Hybrid feature extraction for multi-label emotion classification in English text messages. Sustainability, 15(16), 12539. doi:10.3390/su151612539.
  3. Basha, S. H. S., Dubey, S. R., Pulabaigari, V., Mukherjee, S. (2020). Impact of fully connected layers on performance of convolutional neural networks for image classification. Neurocomputing, 378, 112-119. doi:10.1016/j.neucom.2019.10.008.
  4. Bohrer, J. da S., Dorn, M. (2024). Enhancing classification with hybrid feature selection: A multi-objective genetic algorithm for high-dimensional data. Expert Systems with Applications, 255, 124518. doi:10.1016/j.eswa.2024.124518.
  5. Dhanya, P., Praseeda, M., Choudhari, M. R., Kshema, B. S. (2024, August). Design and implementation of 2D object similarity detection using Hu’s moments. 2024 4th Asian Conference on Innovation in Technology (ASIANCON) (pp. 1-5). Pune, India: IEEE.
  6. Dhillon, A., Verma, G. K. (2020). Convolutional neural network: A review of models, methodologies and applications to object detection. Progress in Artificial Intelligence, 9, 85-112. doi:10.1007/s13748-019-00203-0.
  7. Haruna, Y., Qin, S., Chukkol, A. H. A., Yusuf, A. A., Bello, I., Lawan, A. (2025). Exploring the synergies of hybrid convolutional neural network and Vision Transformer architectures for computer vision: A survey. Engineering Applications of Artificial Intelligence, 144, 110057. doi:10.1016/j.engappai.2025.110057.
  8. Kalaivani, A., Jayapriya, P., Devi, S. (2024, December). Innovative approaches in deep neural networks: Enhancing performance through transfer learning techniques. 2024 3rd International Conference on Automation, Computing and Renewable Systems (ICACRS) (pp. 857-864). Pudukkottai, India: IEEE. doi:10.1109/ICACRS62842.2024.10841600.
  9. Khan, A., Sohail, A., Zahoora, U., Qureshi, A. S. (2020). A survey of the recent architectures of deep convolutional neural networks. Artificial Intelligence Review, 53(8), 5455-5516. doi:10.1007/s10462-020-09825-6.
  10. Li, G., Li, B., Tan, S., Qiu, G. (2023). Learning deep co-occurrence features. IEEE Transactions on Circuits and Systems for Video Technology, 33(4), 1610-1623.

Kaynak Göster

APA
Küçükyilmaz, E. S., Akın, E., & Diktaş, A. (2026). Hu Momentleri ve CNN Tabanlı Hibrit Model ile Hazır Giyim Kalıp Görsellerinde Kusur Sınıflandırması. Karadeniz Fen Bilimleri Dergisi, 16(3), 1080-1105. https://doi.org/10.31466/kfbd.1727104
AMA
1.Küçükyilmaz ES, Akın E, Diktaş A. Hu Momentleri ve CNN Tabanlı Hibrit Model ile Hazır Giyim Kalıp Görsellerinde Kusur Sınıflandırması. KFBD. 2026;16(3):1080-1105. doi:10.31466/kfbd.1727104
Chicago
Küçükyilmaz, Ethem Sefa, Erhan Akın, ve Alper Diktaş. 2026. “Hu Momentleri ve CNN Tabanlı Hibrit Model ile Hazır Giyim Kalıp Görsellerinde Kusur Sınıflandırması”. Karadeniz Fen Bilimleri Dergisi 16 (3): 1080-1105. https://doi.org/10.31466/kfbd.1727104.
EndNote
Küçükyilmaz ES, Akın E, Diktaş A (01 Ağustos 2026) Hu Momentleri ve CNN Tabanlı Hibrit Model ile Hazır Giyim Kalıp Görsellerinde Kusur Sınıflandırması. Karadeniz Fen Bilimleri Dergisi 16 3 1080–1105.
IEEE
[1]E. S. Küçükyilmaz, E. Akın, ve A. Diktaş, “Hu Momentleri ve CNN Tabanlı Hibrit Model ile Hazır Giyim Kalıp Görsellerinde Kusur Sınıflandırması”, KFBD, c. 16, sy 3, ss. 1080–1105, Ağu. 2026, doi: 10.31466/kfbd.1727104.
ISNAD
Küçükyilmaz, Ethem Sefa - Akın, Erhan - Diktaş, Alper. “Hu Momentleri ve CNN Tabanlı Hibrit Model ile Hazır Giyim Kalıp Görsellerinde Kusur Sınıflandırması”. Karadeniz Fen Bilimleri Dergisi 16/3 (01 Ağustos 2026): 1080-1105. https://doi.org/10.31466/kfbd.1727104.
JAMA
1.Küçükyilmaz ES, Akın E, Diktaş A. Hu Momentleri ve CNN Tabanlı Hibrit Model ile Hazır Giyim Kalıp Görsellerinde Kusur Sınıflandırması. KFBD. 2026;16:1080–1105.
MLA
Küçükyilmaz, Ethem Sefa, vd. “Hu Momentleri ve CNN Tabanlı Hibrit Model ile Hazır Giyim Kalıp Görsellerinde Kusur Sınıflandırması”. Karadeniz Fen Bilimleri Dergisi, c. 16, sy 3, Ağustos 2026, ss. 1080-05, doi:10.31466/kfbd.1727104.
Vancouver
1.Ethem Sefa Küçükyilmaz, Erhan Akın, Alper Diktaş. Hu Momentleri ve CNN Tabanlı Hibrit Model ile Hazır Giyim Kalıp Görsellerinde Kusur Sınıflandırması. KFBD. 01 Ağustos 2026;16(3):1080-105. doi:10.31466/kfbd.1727104