Detecting and classifying fabric defects with computer-vision algorithms

Görüntü işleme, görüntü işleme tekniklerinin ortaya çıkmasından bu yana çeşitli alanlarda kullanılmıştır. Bu alanlardan biri de tekstildir. Bir kumaşta herhangi bir kusurun varlığı bu kumaşın kalitesini etkileyen en önemli faktörlerden biridir. Çeşitli nedenlerle oluşabilen birçok kumaş kusuru türü vardır. Kusura neyin neden olduğunu bulmak ve tekrar oluşmaması için düzeltmek çok önemlidir. Kumaş kusur tespitinin otomasyonu, hataları yüksek derecede başarı ile keşfedebilmek ve üreticiye verilen zararı sınırlandırmak için yapay zekâ teknolojisindeki gelişmeler göz önüne alındığında son zamanlarda büyük ilgi görmüştür. Ancak bu alanda bazı sorunlarla karşılaşılmaktadır. Kumaş kusur tespiti, çeşitli sorunlardan kaynaklanabilecek çok sayıda kusur bulunduğundan zorlu bir konudur. Ayrıca bu çalışmanın kısıtlılığı, Tilda veri tabanının kumaş kusur örneklerini içeren ve bu alanda erişilebilen sınırlı veri setlerinden biri olmasıdır. Bu tez, farklı öznitelik çıkarma yöntemlerini ve farklı sınıflandırıcıları analiz etmeye ve bu kombinasyonların avantaj ve dezavantajlarını tartışmaya odaklanmaktadır. Veri kümelerini farklı açılardan ele alan ve farklı yöntemler uygulayan farklı durumlar oluşturulmuştur. Sınıflandırma aşamasında üç farklı yöntem (EL, KNN ve SVM) test edilirken, öznitelik çıkarma aşamasında CNN tabanlı farklı yaklaşımlar (ResNet18, ResNet50, GoogLeNet ve AlexNet) test edilmiştir. Elde edilen sonuçlar ResNet18, ResNet50, GoogLeNet ve AlexNet sonuçlarıyla da karşılaştırılmıştır.