Üretimde görüntü tabanlı anomali tespiti: Tekstil verisi ile yapay zekâ destekli gömülü sistem uygulaması

Bu tez çalışması, tekstil üretim hatlarında karşılaşılan yüzey kusurlarının otomatik olarak tespitine yönelik görüntü tabanlı anomali tespiti problemine, derin öğrenme temelli yöntemlerle çözüm geliştirmeyi amaçlamaktadır. Bu kapsamda, literatürde yaygın olarak kullanılan MVTecAD ve WFDD veri setleri üzerinde 9 farklı model ve omurga mimarisi sistematik biçimde değerlendirilmiş; doğruluk, çıkarım süresi, bellek tüketimi ve parametre sayısı gibi çok boyutlu performans ölçütleri kullanılarak kapsamlı karşılaştırmalar gerçekleştirilmiştir. Elde edilen bulgular doğrultusunda en başarılı üç model belirlenmiş ve nihai seçim olarak GLASS mimarisi tercih edilmiştir. Çalışmanın özgün katkılarından biri, endüstriyel üretim koşullarını yansıtan AIORCOM-TextileAD adlı özel bir veri setinin oluşturulmasıdır. Bu veri seti ile yeniden eğitilen model, öncelikle yüksek performanslı sistemlerde test edilmiş, ardından gömülü sistem ortamına (Raspberry Pi 5) aktarılmıştır. Gömülü sistem üzerinde yapılan testlerde modelin gerçek zamanlı çalışabilirliği ve sınırlı kaynaklarda gösterdiği performans analiz edilmiştir. Elde edilen sonuçlar, seçilen modelin düşük maliyetli donanımlarda dahi anlamlı bir doğruluk ve işlem süresi ile çalışabildiğini ortaya koyarak, yapay zekâ tabanlı otomatik kalite kontrol sistemlerinin tekstil endüstrisine entegrasyonuna yönelik önemli bir uygulama potansiyeli sunmaktadır.