Derin sinir ağları kullanılarak kumaş hata tespiti

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, Mekatronik Mühendisliği Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: MUHAMMET ÖZCAN

Danışman: YAVUZ ŞENOL

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Endüstride kumaş kalitesinin denetimi son derece önemlidir. Gözle yapılan kumaş hatası tespiti, hata bulma oranının düşmesine ve zaman kaybına neden olur. Bu tez çalışmasında, ZJU-Leaper kumaş veri seti kullanılarak kumaş hatalarının tespiti için önceden eğitilmiş evrişimli sinir ağı mimarileri kullanılmıştır. Bu çalışmada, veri setinden düz beyaz, kalın şerit, ince şerit olmak üzere 3 farklı kumaş türü üzerinde çalışma yapılmıştır. Literatür incelendiğinde sınıflandırma problemlerinde en sık kullanılan, önceden eğitilmiş evrişimli sinir ağı mimarileri olan VGG16, EfficientNetB0, ResNet50, DenseNet121 ve MobileNet mimarileri seçilmiştir. Veri setleri eğitim ve test klasörlerine ayrılarak, modellerin performansı kesinlik, duyarlılık, F1-skoru ve doğruluk kriterlerine göre karşılaştırılmıştır. Sonuç olarak, modellerin 3 farklı kumaş türü üzerindeki performansları incelendiğinde en başarılı modelin EfficientNetB0 olduğu görüldü. EfficientNetB0 modelinin performansı tüm kumaş türlerinde neredeyse %99'du.