Tekstil Fabrikalarında Yapay Görme ile Kumaş Hata Tespiti
Tekstil sektöründe kumaş üretimi sırasında farklı proseslerden kaynaklı birçok hata oluşabilir. Ancak bu hataların geleneksel yöntemlerle tespit edilmesi zaman alıcı ve hata payı yüksek bir süreçtir. POYRAI olarak, yapay görme ve yapay zeka teknolojileri ile kumaş kalite kontrolünü otomatik hale getirerek yüksek hassasiyetle hata tespiti yapıyoruz.
Tekstil Sektöründe Yapay Görme ile Karşılaşılan Zorluklar
📌 Sürekli değişen kumaş desenleri ve dokuları
📌 Farklı kumaş türleri ve renk varyasyonları
📌 Karmaşık dokuların ve desenlerin analiz edilmesi
📌 Gerçek zamanlı üretim sürecinde hata tespitinin yapılması
Bu zorlukları aşmak için Classification (Sınıflandırma), Anomaly Detection (Anomali Tespiti) ve Texture Inspection (Doku İnceleme) yöntemleri kullanılmaktadır. Her bir yöntem, farklı hata türlerini daha iyi algılayarak kumaş kalite kontrolünü en üst seviyeye taşır.
Kumaş Kontrolünde Kullanılan Algoritmalar ve Çalışma Prensipleri
Texture Inspection (Doku İnceleme)
🔹 Sisteme yalnızca birkaç hatasız kumaş örneği tanıtılarak öğrenme sağlanır.
🔹 Atkı ve çözgü hatalarını tespit etmekte başarılıdır.
🔹 Hataları bulma yöntemi: Kumaşın hatasız versiyonu ile yeni görüntüler karşılaştırılır, filtreler uygulanarak hata bölgeleri belirlenir.
🔹 Öğrenme süresi: Desensiz kumaş modelleri yaklaşık 5 dakika içinde öğrenilebilir.
Anomaly Detection (Anomali Tespiti)
🔹 Yağ, kir, is gibi leke hatalarını yakalamada daha başarılıdır.
🔹 Her hata tipi sisteme ayrı ayrı öğretilmelidir, bu nedenle kullanımı son kullanıcı için biraz daha karmaşıktır.
🔹 Yeni kumaş türleri için manuel öğretim gerektirebilir.
Deep Learning ile Kumaş Hata Analizi
🔹 Derin öğrenme algoritmaları, farklı kumaş türlerini otomatik olarak sınıflandırarak hata tespitini hassaslaştırır.
🔹 Yeni kumaş türleri hızlıca öğrenilebilir ve sistem sürekli olarak kendini geliştirebilir.
Görüntü İşleme ile Tespit Edilebilen Kumaş Hataları
POYRAI ile Kumaş Kalite Kontrolünüzü Akıllandırın!
Kumaş kalite kontrol süreçlerinizi yapay görme ile optimize ederek üretim verimliliğinizi artırın!
SEKTÖR İÇİ UYGULAMALAR
Derin Öğrenme
✅ Otonom araçlarda yol işaretleri ve yayaları algılama
✅ Savunma sistemlerinde uydu görüntüleri üzerindeki objeleri belirleme
✅ Tıbbi görüntü analizinde kanser hücreleri gibi anormallikleri tespit etme
✅ Endüstride nesnelerin hareket ve mesafe algısını iyileştirme
Eşleştirme & Sınıflandırma
✅ Tanımlı referans nesnelerin renk ve şekil kontrolleri
✅ Farklı açılardan gelen nesnelerin ölçümleri
✅ Ürün sınıflandırma ve farklı türleri ayırt etme
Kalite Kontrol
✅ 7/24 üretim hattını takip ve raporlama
✅ Kaliteli ve hatasız üretim için müşteri odaklı sistemler
✅ Gerçek zamanlı hata analizi ve geçmiş kayıt takibi
Kesim
- Ürün tanıma ve ürünün kesim noktalarını otomasyon sistemlerine aktarma uygulaması
Tekstil Kalite Kontrol
- Deep Learning ,Anomaly Detection ve Texture Inspection Yöntemleri ile;
- Atkı-Çözgü Hataları
- Yağ, kir, is vb. lekeler
- Renk Farklılıkları
- Yırtılma, erime gibi hatalar
- Yüzey yaraları, çizikler gibi hatalar
- Kabartma, çökme gibi hatalar
- Kumaş bobininin hangi metrajında ne büyüklükte hata olduğunu anında görsel olarak raporlayabilme ve yazılı metin elde edebilme