Görüntü İşleme ile kumaş kontrol sistemi

Kumaş üretimi sırasında birçok hata türü ortaya çıkabilmektedir. Ancak, kumaş hatalarının görüntü işleme ile tespit edilmesindeki en büyük zorluk, sürekli değişen kumaş türleri, desenler, renk farklılıkları ve birbirinden farklı yüzlerce hata çeşididir.

Görüntü işleme kullanarak kumaş kalite kontrolü uygulamamızda, anomaly detection ve texture inspection yöntemlerini bir araya getirerek kumaşların kalite kontrolünü gerçekleştirdik.

Texture Inspection yöntemi, son kullanıcılar için oldukça kullanılmaktadır. Bu yöntemde, akan hat üzerinden alınan hatasız görüntülerden kumaşın sisteme tanıtılarak öğrenme işlemi gerçekleştirilmektedir. Eğitilmiş model ile yeni model birbirinden çıkartılarak Gauss Karışım modeli (GMM ) sınıflandırıcılara dayalı bir doku inceleme modeli eğitir. Yeni modellerler karşılaştırılıp kusurlar tespit edilmektedir. Anomoly Detection yöntemi ise iyi çalışmasına karşın datalarının toplanması ve hata tiplerinin seçilmektedir. Bu yüzden işaretlenmesi ayrı ayrı sınıflandırılmasından dolayı zahmetli bir süreçtir.

Kontroller sonrası her bir yöntemin hata tiplerine göre avantajlarının ve dezavantajlarının olduğunun sonucuna vardık. Örnek olarak yağ lekesi anomoly detecion yöntemi ile çok iyi çalışırken texture inspection yöntemi ile iyi çalışmadığını ancak kumaş çözgü hatalarının ise texture inspecton ile çok iyi yakalayabilirken anomoly detection ile aynı başarı yakalanamamaktadır.

Sonuç olarak sistemin en kararlı ve stabil halde çalışabilmektedir. Bunun için bu iki yöntemin aynı anda kontrol edilmesi gerekmektedir. Anomoly detection ve texture inspection yöntemlerin aynı anda çalışmaktadır. Böylece çok sayıda kameranın iki metre genişliğinde yüksek çözünürlüklü görüntüleri test etmesi yazılımsal anlamda başka sıkıntılar çıkartmaktadır. (Paralel programlama vs.)

Sürekli ve hızlıca yeni kumaş türünü desenini öğrenebilmektedir. Bu sistem sayesinde farklı yöntemler ile ölçüm kontrolleri aşağıdaki görsellerde yer almaktadır.