Tekstil Kalite Kontrol

görüntü işleme ile koltuk kumaşı kalite kontrolü

Yapay Görme ile Tekstil Fabrikalarında Kumaş Hata Tespiti

Kameralı Kumaş kontrol sistemi, İplik Uygulaması

Tekstil fabrikalarında kumaş üretim sürecinde, proseslerden kaynaklı çeşitli hata türleri ortaya çıkabilir. Ancak bu hataların geleneksel yöntemlerle tespiti zaman alıcı ve hata payı yüksek olabilir. POYRAI olarak geliştirdiğimiz yapay görme sistemleri, derin öğrenme ve gelişmiş görüntü işleme teknikleri ile kumaş kalite kontrol süreçlerini otomatik hale getirerek yüksek hassasiyetle hata tespiti yapmaktadır.

Tekstil Sektöründe Yapay Görme ile Zorluklar ve Çözümler

Tekstil sektöründe yapay görme ile kumaş hatalarının tespit edilmesindeki en büyük zorluklar şunlardır:

📌 Sürekli değişen kumaş desenleri ve dokuları
📌 Farklı kumaş türleri ve renk varyasyonları
📌 Hataların tek bir yöntemle tespit edilmesinin zorluğu

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

Atkı-Çözgü Hataları

Dokuma sırasındaki düzensizlikleri algılar.

Yağ, Kir, İs ve Leke Tespiti

Anomali algılama sayesinde kumaş yüzeyinde istenmeyen izleri tespit eder.

Renk Farklılıkları

Kumaş üzerindeki ton farklarını analiz ederek renk uyumsuzluklarını belirler.

Yırtılma ve Erime

Kumaş üzerinde fiziksel hasarları algılar.