Bu Tez, desenli kumaş görüntülerinde kusur tespiti odaklı olup, Textile TextureDatabase (TILDA) veri setinin desenli kumaşlardan oluşan örnekleri kullanılarak gerçekleştirilmiştir. Çalışma, topluluk ve klasik sınıflandırma yöntemlerinin kullanılmasıyla kusurların etkili bir şekilde tespit edilmesini amaçlamaktadır. Sınıflandırma için geliştirilen model, kumaşlardaki farklı kusurları olan kumaşları (delikli, kesikli, iplik hatalı, renk hatalı vb.) ve kusursuz kumaşları ayırt etmek üzere oluşturulmuştur. Ayrıca, aynı veri seti üzerinde gerçekleştirilen filtre, veri artırımı ve özellik çıkarım yöntemlerinin sınıflandırma başarısını etkileyip etkilemediği test edilmiştir. İlgili sonuçlar, hangi yöntemin daha etkili olduğunu belirlemek için detaylı bir karşılaştırmaya tabi tutulmuş ve bu sonuçlar tablolar aracılığıyla gösterilmiştir. Çalışma sonucunda veri setlerine uygulanan veri artırımı, GLCM ve LBP özellik çıkarım yöntemi ve filtre uygulaması ile birlikte C3-R1, C3-R3, C4-R1 ve C4-R3 veri setlerinde ulaşılan başarı oranı sırasıyla %99, %96, %99 ve %93 olarak elde edilmiştir. Bu tez, desenli kumaşlarda kusur tespiti alanında farklı sınıflandırma yöntemlerinin ve özellik çıkarım tekniklerinin etkilerini sistemli bir şekilde değerlendirerek endüstriyel uygulamalarda değerli bir kaynak sunmayı amaçlamaktadır.
Eser Adı (dc.title) | Görüntü İşleme ile Desenlerde Kusur Tespiti |
Eser Sahibi (dc.contributor.author) | Yunus Emre MERAL |
Tez Danışmanı (dc.contributor.advisor) | OSMAN GÖKALP |
Yayıncı (dc.publisher) | İzmir Katip Çelebi Üniversitesi Fen Bilimleri Enstitüsü |
Tür (dc.type) | Yüksek Lisans |
Özet (dc.description.abstract) | Bu Tez, desenli kumaş görüntülerinde kusur tespiti odaklı olup, Textile TextureDatabase (TILDA) veri setinin desenli kumaşlardan oluşan örnekleri kullanılarak gerçekleştirilmiştir. Çalışma, topluluk ve klasik sınıflandırma yöntemlerinin kullanılmasıyla kusurların etkili bir şekilde tespit edilmesini amaçlamaktadır. Sınıflandırma için geliştirilen model, kumaşlardaki farklı kusurları olan kumaşları (delikli, kesikli, iplik hatalı, renk hatalı vb.) ve kusursuz kumaşları ayırt etmek üzere oluşturulmuştur. Ayrıca, aynı veri seti üzerinde gerçekleştirilen filtre, veri artırımı ve özellik çıkarım yöntemlerinin sınıflandırma başarısını etkileyip etkilemediği test edilmiştir. İlgili sonuçlar, hangi yöntemin daha etkili olduğunu belirlemek için detaylı bir karşılaştırmaya tabi tutulmuş ve bu sonuçlar tablolar aracılığıyla gösterilmiştir. Çalışma sonucunda veri setlerine uygulanan veri artırımı, GLCM ve LBP özellik çıkarım yöntemi ve filtre uygulaması ile birlikte C3-R1, C3-R3, C4-R1 ve C4-R3 veri setlerinde ulaşılan başarı oranı sırasıyla %99, %96, %99 ve %93 olarak elde edilmiştir. Bu tez, desenli kumaşlarda kusur tespiti alanında farklı sınıflandırma yöntemlerinin ve özellik çıkarım tekniklerinin etkilerini sistemli bir şekilde değerlendirerek endüstriyel uygulamalarda değerli bir kaynak sunmayı amaçlamaktadır. |
Kayıt Giriş Tarihi (dc.date.accessioned) | 2024-04-16 |
Açık Erişim Tarihi (dc.date.available) | 2024-07-30 |
Yayın Tarihi (dc.date.issued) | 2024 |
Yayın Dili (dc.language.iso) | tr |
Konu Başlıkları (dc.subject) | Desenli Kumaşlar |
Konu Başlıkları (dc.subject) | Kusur Tespiti |
Tek Biçim Adres (dc.identifier.uri) | https://hdl.handle.net/11469/4074 |