Cam ürünlerdeki hataların görüntü işleme vederin öğrenme yöntemleriyle kalite kontrolü
| dc.contributor.advisor | Sarı, Filiz | |
| dc.contributor.author | Ulaş, Ali Burak | |
| dc.date.accessioned | 2023-01-23T12:26:16Z | |
| dc.date.available | 2023-01-23T12:26:16Z | |
| dc.date.issued | 2022 | |
| dc.date.submitted | 2022-01-10 | |
| dc.department | Fen Bilimler Enstitüsü | |
| dc.description.abstract | Gıda sektöründe sıklıkla tercih edilen cam ürünlerin imalatında kalite kontrolü geleneksel olarak uzman işçiler tarafından göz ile kontrol edilerek yapılmaktadır. Bu süreç insana dayalı olarak ilerlediği için hata payı kaçınılmaz olmuştur. Üretimin ilk aşamasında yapılacak bir entegrasyonun diğer safhalarındaki kalite kontrol sürecini hafifletmiş ve hata payını indirgemiş olacaktır. Bu çalışmada, çeşitli görüntü işleme teknikleri kullanılarak cam ürünlerin kalite kontrolünün bilgisayar destekli bir sistem aracılığı ile yapılması hedeflenmiştir. Piksel bazlı görüntü bölütleme, doğrusal regresyon, çok katmanlı sinir ağı, makine öğrenimi bir arada kullanılmıştır. Baştürk Cam firmasından tez çalışmasına özel deneysel olarak üretilip bize temin edilen cam ürünler üzerindeki hataların ayrıştırma ve test işlemleri gerçekleştirilmiştir. Önerilen yöntemlerin doğru sınıflandırma oranları tatminkâr düzeyde bulunmuş ve gelecek çalışmalar için önerilerde bulunulmuştur. | |
| dc.description.abstract | Quality control in the production of glass products, which are frequently preferred in the food sector, is traditionally carried out by expert workers by visual inspection. Since this process progresses based on people, the margin of error has been inevitable. An integration to be made in the first stage of production will ease the quality control process in other stages and reduce the margin of error. In this study, it is aimed to control the quality of glass products by using a computer-aided system using various image processing techniques. Pixel-based image segmentation, linear regression, multi-layer neural network, machine learning are used together. Separation and testing of defects on glass products supplied by Baştürk Cam company were carried out. The correct classification rates of the proposed methods were found to be satisfactory and suggestions were made for future studies. | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12451/10024 | |
| dc.language.iso | tr | |
| dc.publisher | Aksaray Üniversitesi Fen Bilimleri Enstitüsü | |
| dc.relation.publicationcategory | Tez | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Cam Yüzeyde Kalite Kontrolü | |
| dc.subject | Görüntü İşleme | |
| dc.subject | Makine Öğrenimi | |
| dc.subject | Piksel Bazlı Görüntü Bölütleme | |
| dc.subject | Quality Control on Glass Surface | |
| dc.subject | Image Processing | |
| dc.subject | Machine Learning | |
| dc.subject | Pixel Based Image Segmentation | |
| dc.title | Cam ürünlerdeki hataların görüntü işleme vederin öğrenme yöntemleriyle kalite kontrolü | |
| dc.title.alternative | Quality control of faults in glass products by imageprocessing and deep learning methods | |
| dc.type | Master Thesis |
