Unsupervised fabric defect detection via clustering in spectral domain

Bu tezin amacı, makine görmesi yöntemleri kullanılarak, tekstil endüstrisi için hata tespit sistemi tasarlamaktadır. Kumaştaki hataları bulmak, kusurlu ürün teslim etmemek adına oldukça önemlidir. _Insan faktörünün yorgunluk, bıkkınlık ve dikkatsizlik gibi dezavantajları yüzüunden, manuel denetim endüstrinin beklentilerini karşılayamamaktadır. Literatüurde çok sayıda otomatik sistemler mevcuttur ancak bunların büyük kısm eğitmenli makine öğrenmesi yöntemlerini baz almaktadır, bu metodlar yalnış ve doğru imgeleri alarak sistemi eğitmektedir ya da ayarlanması gereken çok sayıda parametreleri bulunmaktadır. Bu nedenlerden dolayı eğitmenli sistemlerin kullanımı güç ve rahatsızlık vericidir. Bu çalışmada Fourier dönüşümüne dayalı denetmensiz yaklaşım sunulmuştur. Yöntem kumaş deseni ya da hata sınıfı ile ilgili hiç bir ön bilgiye ihtiyaç duymamaktadır. Önerilen yöntemde bölüumlenmiş imgenin frekans uzayındaki spektral temsili elde edilmiştir. Sonrasında her bir parça ile denetlenen aynı imgeden elde edilen referans imgesi arasındaki mesafe ölçülmüştür. Literatürde bulunan veri küumeleri ya az sayıda hata ve kumaş sınıfı içermektedir; ya da kullanım için ücret ödenmesi gerekmektedir. Bu sebeple tez çalışması kapsamında 10 farklı kumaş türünden 26 adet hata sınıfı içeren bir veri kümesi hazırlanarak bu konuda çalışan araştırmacıların kullanımına sunulması planlanmıştır.