Tekstil Endüstrisinde Yapay Görme ile Hata Tespit Uygulamaları

Öz

Hata tespit çalışmaları teknolojinin gelişmesi ile birlikte ivme kazanmış ve her geçen yıl farklı yaklaşım ve yöntemler ile yeni uygulama alanlarında kullanılmıştır.Literatür araştırması sonucunda,, hata tespit sistemleri ve yapay görme konuları ile ilgili her yıl farklı çalışmaların yapıldığı görülmüştür. Bu çalışmada yapay görme sistemi ve tekstil endüstrisinde kullanılan gelişmiş yapay görme uygulama alanları açıklanmıştır. Makina odaklı sistemlerin insan odaklı sistemlere göre daha fazla tercih edilmesinin nedenleri uygulama alanları ile belirtilmiştir. Yapay görme sistemlerinin bileşenleri açıklanarak otomasyon sistemleri üzerinde çalışma prensipleri ele alınmıştır. Yapay görme sistemlerinin tekstil alanında hangi aşamalarda gereksinim duyulduğu ve kullanıldığı açıklanmıştır.

Anahtar Kelimeler: Yapay görme, hata tespit, tekstil, kumaş

Kaynakça

1. REFERANSLAR
2. Barutçuoğlu I.,E., (2001). Robotların Tarihçesi
3. Blackwell F.G, Company B.A, (1989). Machine Vision in The Tire Industry, IEE, 9: 67-79
4. Carfagni M, Furferi R, Governi L, (2005). A Real-Time Machine Vision System For Monitoring The Textile Raisng Process, Computers In Industry, 56: 831-842
5. Chen S., Huang W., Qing L., Da-zing Z., Jin-lei Z., (2009) Research on Textile Stain Detection Technique Based on Machine Vision, School of Mechanical Engineering
6. Crowley W.B, (1990). Application of One-Dimensional Machine Vision in The Textile Industry, IEE
7. Transactions on Insdustry Applications, 26:324-329
8. Çakır U, (2002). Machine Vision Uygulamaalrında Otomatik Tanıma ve Ölçme İşlemleri İçin Çapraz

9. Korelasyonu Kullanarak Bir Bilgisayar Programı Geliştirilmesi, İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü
10. Çelik H.İ., Dülger C., L., (2012). Topalbekiroğlu M., Görüntü İşleme Teknikleri Kullanarak Kumaş
11. Hatalarının Belirlenmesi, Elektronic Kournal of Textile Technologies, 6:22-39
12. Dockery A., (2001). Automated Fabric Inspection: Assesing The Current State oft he Art
13. D’Angelo G., Rampone S., (2016). Feature Extraction and Soft Computing Methods for Aerospace
14. Structure Defect Classification, University of Sannio, Dept. Of Science and Technology
15. Ertunç M.H., Sevim İ, (2001). Kesici Takımların Aşınmasını Gözlemleme Üzerine Yapılan Çalışmalar,
16. Pamukkale Üniversitesi, Mühendislik Bilimleri Dergisi, 7:55-62
17. Ergün B, Altan O.M., (2003). Yakın Resim Fotogrametrisinde Endüstriyel Uzman Sistem Uygulaması, İtü. İnşaat Fakültesi, Jeodezi ve Fotogrametri Mühendisliği, İtü Mühendislik Dergisi, 2: 19-24
18. Hanbay K., Talu F.M., (2014). Kumaş Hatalarının Online/Ofline Tesoit Sistemleri ve Yöntemleri, SAÜ Fen Bilimleri Dergisi, 18:46-69
19. Jusoh B. A. N., Hoon S. T., Rao S., (2001). United States Patent, US:6,207,946
20. Kısaoğlu Ö, (2006). Kumaş Kalite Kontrol Sistemleri, Pamukkale Üniversitesi, Mühendislik Bilimleri
21. Dergisi, 12:233-241
22. Li D., Yang W., Wnag S., (2010). Classification of Foreign Fibers in Cotton Lint Using Machine Vision
23. and Multi-Class Support Vector Machine, Computer And Electonics in Agriculture
24. Ngan Y.T.H., Pang K.H.G., Yung H.C.N., (2011). Automated Fabric Defect Detection, Image and Vision Computing, 29:442-458
25. Slaughter D.C, Obenland D.M., Thompson F.J., Arpaia M.L., Margosan D.A., (2008). Non-Destructive
26. Freeze Damage Detection in Oranges Using Mazhine Vision And Ultraviolet Fluorescence, Postharvest Biology And Technology, 48:341-346
27. Schmitt R., Fürjes T., Abbas B., Abel P., Kimmelmann W., Kosse P., Buratti A., (2015). Real-Time
28. Machine Vision System For an Automated Quality Monitaring in Mass Production of Multiaxial Non-Crimp Fabrics, IFAC-PapersOnline, 48-3:2393-2398
29. Turgut Y., (2013). Yapay Görmeye Dayalı Otomatik Hata Denetim Sistemi, Marmara Üniversitesi,
30. Mekatronik Anabilim Dalı
31. Tao L, Witty P, King T, (1997). Machine Vision in The Inspection of Patterned Textile Webs, School of
32. Manufacturing and Mechanical Engineering The University of Birmingham, The Institution of Electrical Engineers
33. Yang X., Pang G., Yung N., (2002). Fabric Defect Classification Using Wavelet Frames and Minimum
34. Classification Error Training, The University of Hong Kong IEEE, 2:290-296
35. Yang W., Lu S., Wang S., Li D., (2011) Fast Recognition of Foreign Fibers in Cotton Lint Using Machine Vision, Mathematical and Computer Modelling, 54:877-882
36. Zoumponos T.G., Aspragathos A.N., (2007). Vision Aided Neuro-Fuzzy Control For The Folding Of Fabric Sheets, International Conference On Control, Automation and Systems