Artificial intelligence utilization in production quality management: fabric production
Üretım kalıte yönetımınde yapay zekâ kullanımı: kumaş üretımı uygulaması
- Tez No: 971874
- Danışmanlar: PROF. DR. NECİP FAZIL YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Konstrüksiyon ve İmalat Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kumaş üretimi, malzeme yapısının karmaşıklığı ve yüksek hızlı dokuma süreçleri nedeniyle yüksek hassasiyetle yürütülen bir kalite kontrol süreci gerektirir. Geleneksel denetim yöntemleri büyük ölçüde insan gözlemine dayandığından, bu süreçler çoğu zaman tutarsız ve hatalı sonuçlara yol açmaktadır. Bu bağlamda, özellikle derin öğrenmeye dayalı bilgisayarla görme teknolojileri, tekstil üretiminde hata tespiti süreçlerini otomatikleştirmek için güçlü bir araç olarak öne çıkmaktadır.Bu tez çalışmasında, endüstriyel ortamlarda kumaş yüzey hatalarının sınıflandırılmasına yönelik derin öğrenme tabanlı bir denetim sistemi geliştirilmiştir. Eğitim ve değerlendirme amacıyla, Starlinger FX 6.0 dairesel dokuma makinesine entegre çift kameralı sistem kullanılarak toplam 2.046 gerçek üretim görüntüsü toplanmıştır. Veri seti, beş yaygın yüzey hatası türünü içermektedir: atkı hatası, çözgü hatası, kırışıklık, kirlilik ve düğüm. Ön işleme ve veri artırma işlemlerinin ardından, dört farklı evrişimli sinir ağı (CNN) mimarisi değerlendirilmiştir: ResNet152V2, DenseNet201, Xception ve özel olarak tasarlanmış bir Custom CNN. Bu modeller arasında en yüksek sınıflandırma doğruluğu %92,5 ile ResNet152V2 tarafından elde edilmiştir. Bu başarı, modelin benzer görünümlü hatalar arasında dahi etkili ayrım yapabildiğini gösteren yüksek kesinlik, duyarlılık ve F1 skorları ile desteklenmektedir.Eğitilen modeller, NVIDIA Jetson Nano gömülü sistemine entegre edilerek üretim hattında gerçek zamanlı çalışabilirlik açısından test edilmiş ve saniyeden kısa sürede çıkarım yapabildiği gözlemlenmiştir. Sonuçlar, yapay zekâ destekli görsel denetim sistemlerinin, tekstil sektöründe geleneksel yöntemlere kıyasla daha güvenilir, hızlı ve ölçeklenebilir çözümler sunduğunu ortaya koymaktadır.
Özet (Çeviri)
Fabric production demands high precision in quality control due to the complexity of materials and high-speed manufacturing processes. Traditional visual inspection, which relies heavily on human labor, often leads to inconsistent and inaccurate evaluations. In response, artificial intelligence (AI), particularly deep learning-based computer vision, has emerged as a powerful tool for automating defect detection in textile manufacturing. This thesis proposes a deep learning-based classification system tailored for industrial fabric defect detection. A dataset of 2,046 real-world images was collected using a dual-camera setup integrated into a Starlinger FX 6.0 circular loom. The dataset includes five frequently encountered surface defect types: weft error, warp error, wrinkle, pollution, and knot. After preprocessing and augmentation, four convolutional neural network (CNN) architectures were evaluated: ResNet152V2, DenseNet201, Xception, and a custom-designed CNN. Among these models, ResNet152V2 achieved the highest classification accuracy of 92.5%, with strong precision, recall, and F1-scores, confirming its ability to distinguish even visually similar defect types. The trained models were deployed on an NVIDIA Jetson Nano edge device, where inference tests demonstrated that the system is capable of near real-time performance under production conditions. Overall, the results confirm that AI-based visual inspection can serve as a scalable, efficient, and reliable alternative to manual quality control in the textile industry.
Benzer Tezler
- Artificial intelligence utilization in production quality management: Piping fabrication
Üretim kalite yönetiminde yapay zeka kullanımı: Boru imalatı
IBRAHEEM ISMAEL IBRAHEEM AL-AZZAWI
Yüksek Lisans
İngilizce
2021
Mühendislik Bilimleriİstanbul Gedik ÜniversitesiMühendislik Yönetimi Ana Bilim Dalı
PROF. DR. ARİF DEMİR
- Transferring the data obtained using topsıs and artificial neural networks within the framework of ındustry 4.0 with production management system mes to the erp system
Endüstri 4.0 çerçevesinde üretim yönetim sistemi mes ile topsis ve yapay sinir ağlari kullanilarak elde edilen verilerin ERP sistemine aktarilmasi
GİZEM ŞARA ONAY
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri MühendisliğiDokuz Eylül ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÇAKMAKÇI
- Yetenek yönetimi süreçlerinin yaygınlaştırılmasında bütünleşik mobil uygulamalarının etkisi
The impact of integrated mobile applications on the dissemination of talent management processes
AHMET ANIL KOÇAK
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. UFUK CEBECİ
- Demir ve çelik tesislerinde bakım uygulamaları
The Maintenance applications in iron and steel industry
M.OĞUZ KARTEPE
Yüksek Lisans
Türkçe
1991
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. MUSTAFA SAVCI
- Türkiye'de Raylı sistem projelerinde yapı bilgi modellemesi(BIM) uygulamasının bir örnek olay üzerinden irdelenmesi
Examination of the application of building information modeling (BIM) in rail system projects in Turkey through a case study
PINAR COŞKUN
Yüksek Lisans
Türkçe
2025
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. ELÇİN FİLİZ TAŞ