MAKİNE GÖRMESİ TABANLI KALİTE KONTROLÜ İÇİN ÖZELLİK ÇIKARIM YÖNTEMLERİNİN GELİŞTİRİLMESİ

Abstract

Bu tez çalışmasında makine görmesi tabanlı endüstriyel ürünlerin kalite kontrolü için kullanılan özellik çıkarım yöntemleri üzerine bir çalışma gerçekleştirilmiştir. Çalışma kapsamında literatürde en çok kullanılan yöntemler araştırılmıştır. Yüzey hatalarında doku analizi yöntemlerinin daha çok kullanıldığı görülmüştür. Bu yüzden çalışma doku analizi teknikleri kullanılarak gerçekleştirilmiştir. Kalite kontrol uygulamalarında en çok kullanılan yöntemlerden ikisi yerel ikili örüntü (LBP) ve Gri Seviye Eş-oluşum matrisleridir (GLCM) ve son dönem çalışmalarında Gabor Dalgacık Filtresi de sıklıkla kullanılmıştır. Yapılan çalışma kapsamında bu üç yöntemin iki farklı veri tabanı kullanılarak uygulama karşılaştırmaları gerçekleştirilmiştir. Bu veri tabanlarından birisi haddelenmiş çelik şeritlerin yüzey hatalarından diğer veri tabanı da kusurlu ve kusursuz kumaş görüntülerinden oluşmaktadır. Çalışmada temel yerel ikili örüntü metodunun geliştirilmesi için bir çalışma gerçekleştirilmiştir. Bu çalışmada GLCM için yeni bir özellik çıkarım yöntemi önerilmiştir. Çalışmada hem önerilen yöntemin tek başına kullanıldığında elde edilen sonuçlar hem de bölüm 3'de kullanılan özellikler ile birlikte elde edilen sonuçlar verilmiştir. Önerilen yöntemin iki veri tabanı için de iyi ayırıcı güce sahip oluğu görülmüştür. Son bölümde özellik seçim yöntemi kullanılarak doğruluk oranları yükseltilmiştir. Özellik seçimi işleminden sonra doğruluk oranlarının tüm yönler ve iki ayrı uzaklık için NEU veri tabanında %93'den, kumaş veri tabanında ise %90'dan daha iyi sonuçlar edilmiştir. Bu yüksek lisans tezi kapsamında geliştirilen çalışmalar TÜBİTAK ve T.C. Bilim, Sanayi ve Teknoloji Bakanlığı tarafından 0743.STZ.2014 (112D021) numaralı SAN-TEZ projesi ile desteklenmiştir.

In this thesis, proposed a new feature extraction method for machine vision based measurement and quality inspection in conveyed object. In the scope of the study, the most commonly used methods in the literature were investigated and find out texture analysis methods have been used frequently. So the study is based on texture analysis. Two of the most common methods used in quality control applications are local binary pattern and gray level co-occurrence matrices, and Gabor Wavelet Filter is often used in recent studies. Within the scope of the study, application of these three methods were compared using two different databases. One of these databases consists of surface defects of rolled steel strips and the other database consists of flawed and perfect fabric images. Then a study was conducted to develop the local binary pattern method. In the next section, a new feature extraction method is proposed for the GLCM method. In the study, both the results obtained when using the proposed method alone and the results obtained with the features used in Chapter 3 are given. In the last section, accuracy rates were increased by using property selection method. It was seen that the new method proposed for GLCM in feature selection process increased the accuracy rates. After the feature selection process, the accuracy rates were obtained higher than the 93% in the NEU database and 90% in the fabric database for all directions and two separate distances. The studies developed within the scope of this master thesis were supported by the SAN-TEZ project number 0743.STZ.2014 (112D021) by TUBITAK and the Ministry of Science, Industry and Technology.