Geri Dön

Machine learning for product quality inspection

Makine öğrenimi ile ürün kalite kontrolü

PDF İndir

  1. Tez No: 519134
  2. Yazar: EROL ÇITAK
  3. Danışmanlar: YRD. DOÇ. YAKUP GENÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: İngilizce
  9. Üniversite: Gebze Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Önemli bir tüketim alanı kuruyemiş olan antep fıstığının kullanıcıya çıtlatılmış olarak sunulması gerekmektedir. Çıtlaklık kalite kontrolü sektörün başlangıcından bu yana insanlar tarafından el ile yapılmaktadır. Fakat kalite kontrolünün insanlar tarafından yapılması hem pahalıdır hem de bu süreci yavaşlatmaktadır. Bu maliyet ve hız problemlerinin üstesinden gelmek için otomasyon sistemlerine ihtiyaç duyulmaktadır. Endüstriyel beklentilere göre bu otomasyon sisteminin fıstık başına işlem süresinin olabildiğince minimum olmalı ve %98 üzerinde doğruluğa sahip olması gerekmektedir. Bu nedenle bu problemi hız, maliyet ve endüstriyel beklentilere cevap verebilecek bir şekilde görsel sensörleri kullanarak çözmeyi amaçlayan bir otomasyon sistemi yaptık. Öncelikle, antep fıstığı bağlanım ve derin evrişimli sinir ağı kullanarak bölütledik ve sonrasında fıstık“FıstıkNet”adını verdiğimiz bir derin evrişimli sinir ağı ile kırık olup olmadığını bulduk. Bu aşamadan sonra endüstrinin gerçek ortamını taklit edecek bir ortam oluşturuldu. Bu ortamda tek kamera ile endüstrinin kıstaslarının gerçekleyebilmesi için FıstıkNet' in yapısı geliştirildi. Ayrıca bölütleme ve sınıflandırma işlemlerini yapabilmek için büyük bir veri kümesi oluşturuldu.

Özet (Çeviri)

Pistachio is widely consumed as a snack which requires the shell to be properly cracked for easy access to its kernel. The quality control process to detect that the pistachio is cracked is carried out by people from the beginning. But carrying out quality control by humans is expensive and makes quality control process slow. To deal with cost and speed challenges automated systems are required. According to the industrial expectations such a system should provide minimum process time per pistachio and over 98% accuracy. Consequently, we built a system that provides speed, cost and industrial expectations using cameras. First, the pistachio is segmented from the background using support vector regression (SVR) or deep convolutional neural network (CNN). And then pistachio is classified as cracked or not-cracked using CNN that we called“FistikNet”. After this stage we set up an environment which simulates the real-world industry. To use FistikNet in this real-world condition, we improved FistikNet while it still satisfies industry's requirement with single camera. For this reason, we have achieved more than 98% classification accuracy while using deep learning based method that is first time for this problem. Additionally, due to deep learning based methods require relatively large dataset we build a large pistachio visual inspection dataset is created to accomplish segmentation and classification.

Benzer Tezler

  1. Tez No

    931427

    A MACHINE LEARNING APPROACH TO STEEL SHEET PRODUCTION SURFACE QUALITY

    Rulo sac üretimi yüzey kalitesi makine öğrenmesi yaklaşımı

    ASENA ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Yönetim Bilişim SistemleriKadir Has Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DOÇ. DR. MEHMET NAFİZ AYDIN

  2. Tez No

    560499

    Development of a new software for fabric defect detection and classification using image processing and machine learning methods

    Görüntü işleme ve makine öğrenme yöntemleri kullanarak kumaş hata tespiti ve sınıflandırması

    AHMAD MONES NAWAF

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET FATİH AKAY

  3. Tez No

    990242

    Orman yangınlarının mekânsal dağılımı ve hava kalitesine etkilerinin uydu verileri ve makine öğrenme yöntemleri ile analizi: 2025 Türkiye ve kaliforniya (LA) yangınları

    Analysis of spatial distribution of forest fires and their impacts on air quality using satellite data and machine learning methods: 2025 turkey and california (LA) fires

    İLAY NUR TÜMER

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Jeodezi ve Fotogrametriİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. ELİF SERTEL

  4. Tez No

    987771

    CMMcihazındaki verilerden makine öğrenmesi ile parça kontrolü

    Part control with machine learning from data on CMM device

    ZEYNEP BİRGİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Metalurji MühendisliğiSakarya Üniversitesi

    Metalurji ve Malzeme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NURAY CANİKOĞLU

  5. Tez No

    952756

    Kumaş örüntülerinde bulunan tekli ve çoklu defoların makine öğrenmesi yöntemleri ile tespiti ve karşılaştırılması

    Detection and comparison of single and multiple defects in fabric patterns using machine learning methods

    ABDELRAHMAN ELSAYED ALY ELKASAS

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET SİRAÇ ÖZERDEM

Geri Dön