Üretimde görüntü tabanlı anomali tespiti: Tekstil verisi ile yapay zekâ destekli gömülü sistem uygulaması

Basit Öğe Kaydı
dc.contributor.advisorÖzcan, Ahmet Remzi
dc.contributor.authorAkbaş, Veysel
dc.date.accessioned2026-02-08T15:48:39Z
dc.date.available2026-02-08T15:48:39Z
dc.date.issued2025
dc.departmentBTÜ, Lisansüstü Eğitim Enstitüsü, Mekatronik Mühendisliği Ana Bilim Dalı
dc.description.abstractBu tez çalışması, tekstil üretim hatlarında karşılaşılan yüzey kusurlarının otomatik olarak tespitine yönelik görüntü tabanlı anomali tespiti problemine, derin öğrenme temelli yöntemlerle çözüm geliştirmeyi amaçlamaktadır. Bu kapsamda, literatürde yaygın olarak kullanılan MVTecAD ve WFDD veri setleri üzerinde 9 farklı model ve omurga mimarisi sistematik biçimde değerlendirilmiş; doğruluk, çıkarım süresi, bellek tüketimi ve parametre sayısı gibi çok boyutlu performans ölçütleri kullanılarak kapsamlı karşılaştırmalar gerçekleştirilmiştir. Elde edilen bulgular doğrultusunda en başarılı üç model belirlenmiş ve nihai seçim olarak GLASS mimarisi tercih edilmiştir. Çalışmanın özgün katkılarından biri, endüstriyel üretim koşullarını yansıtan AIORCOM-TextileAD adlı özel bir veri setinin oluşturulmasıdır. Bu veri seti ile yeniden eğitilen model, öncelikle yüksek performanslı sistemlerde test edilmiş, ardından gömülü sistem ortamına (Raspberry Pi 5) aktarılmıştır. Gömülü sistem üzerinde yapılan testlerde modelin gerçek zamanlı çalışabilirliği ve sınırlı kaynaklarda gösterdiği performans analiz edilmiştir. Elde edilen sonuçlar, seçilen modelin düşük maliyetli donanımlarda dahi anlamlı bir doğruluk ve işlem süresi ile çalışabildiğini ortaya koyarak, yapay zekâ tabanlı otomatik kalite kontrol sistemlerinin tekstil endüstrisine entegrasyonuna yönelik önemli bir uygulama potansiyeli sunmaktadır.
dc.description.abstractThis thesis aims to develop a solution to the problem of image-based anomaly detection for the automatic detection of surface defects encountered in textile production lines using deep learning-based methods. In this context, 9 different models and backbone architectures were systematically evaluated on the MVTecAD and WFDD data sets widely used in the literature; comprehensive comparisons were made using multi-dimensional performance criteria such as accuracy, inference time, memory consumption and number of parameters. In line with the findings obtained, the three most successful models were determined, and the GLASS architecture was preferred as the final choice. One of the original contributions of the study is the creation of a special data set called AIORCOM-TextileAD, which reflects industrial production conditions. The model, which was retrained with this data set, was first tested on high-performance systems and then transferred to the embedded system environment (Raspberry Pi 5). In the tests conducted on the embedded system, the real-time operability of the model and its performance on limited resources were analyzed. The results obtained demonstrate that the selected model can operate with significant accuracy and processing time even on low-cost hardware, offering significant application potential for the integration of artificial intelligence-based automatic quality control systems into the textile industry.
dc.identifier.endpage165
dc.identifier.startpage1
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=Xau5rw3KuCgEuy-FuJQtsOlnk98CIQCddKQvUuaOYsOmkLL8WumnsuNaar0ZS9zc
dc.identifier.urihttps://hdl.handle.net/20.500.12885/6278
dc.identifier.yoktezid959839
dc.language.isotr
dc.publisherBursa Teknik Üniversitesi
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_TEZ_20260207
dc.subjectMekatronik Mühendisliği
dc.subjectMechatronics Engineering
dc.titleÜretimde görüntü tabanlı anomali tespiti: Tekstil verisi ile yapay zekâ destekli gömülü sistem uygulaması
dc.title.alternativeImage-based anomaly detection in manufacturing: An embedded system application supported by artificial intelligence using textile data
dc.typeMaster Thesis

Dosyalar

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu