Tekstil Baskı Kalite Kontrolünün Görüntü İşleme Teknikleri ile Gerçekleştirilmesi

Üretici firmaların ürünlerinin kaliteli olması gerekmektedir. Kalite, ürünlerin farklı özellikleri taşımasına bağlıdır. Kalite, üretilenürünün hammadesine bağlı olduğu kadar tasarımına, montajına ve sonradan üzerine eklenen ürünlerin de bağlıdır. Tekstil üretimiTürkiye’de çok büyük ihracat payına sahiptir. Üretilen tekstil ürünlerinin hammaddesi olan ipliklerin kaliteli olması gerekir. Bu tekstilürünlerinin üzerinde kullanılan baskı desenlerininde kaliteli olması büyük önem arz etmektedir. Tekstil baskılarının kusurlu olmasıkalitesiz defolu olmasına sebep olmaktadır. Bu baskılar tekstil sektöründe kumaş yüzeylerine uygunlanmakta ve baskı üzerindekikusur hatası oluşursa büyük bir tekstil kumaşının kullanılamamasına neden olmaktadır. Tekstil yüzeyindeki bu kusurların geç farkedilmesi durumunda ise uretic fabrika açısından büyük bir maliyet kaybı ortaya çıkabilmektedir. Günümüzde tekstil ürünleri üzerindebaskı hata kontrolü çalışan personeller tarafından yapılmaktadır. Bu çalışmada; tekstil ürünleri üzerindeki baskıların kalite kontrolaşamasında, çalışanlar(insan) tarafından kontrol edilmesi yerine, yazılım ve donanım vasıtasıyla otomatik bir sistem tarafındanyapılması için kullanılabilecek bir uygulama yapılmıştır. Kamera yardımıyla elde edilen kumaş görüntüleri üzerinde, piksel farkgörüntü işleme tekniklerini kullanarak baskı kusurları tespit edilmiştir.

Performing Textile Print Quality Control with Image Processing Techniques

Product quality must have one standard for production companies. Quality depends on the different characteristics of the products. Quality depends on raw material, design and installation of the product. Textile production have large share of export in Turkey. Yarns must be high quality for textile and printing on textile also important for textile products. Defect on printing makes whole product defected. This Prints used for textile surface. If defect on printing occur this may lead to whole product defected. Noticing late this defect could very high costs of product. Recently quality control made by employees. This work focused on making quality control by automatically software and hardware instead of employees. The print defects were detected by using pixel difference image processing techniques on the fabric images obtained with the help of the camera. The obtained values will effect last decision about image whether is acceptable or not. It will be more reliable if values are obtained by much more image processing techniques.

PDF

___

Çelik, A. (2016). Haddeleme İşlemi Sırasında Ray ve Profil Yüzeylerinde Oluşan Kusurların Tespit Edilmesine Yönelik Paralel İşlemci Uygulaması. Karabük Üniversitesi, Fen Bilimleri Enstitüsü.
Orak, İ. M. & Çelik, A. (2017). Üretim aşamasında ray ve profilde oluşan kusurların tespitine yönelik bir paralel kusur algılama algoritması, Journal of the Faculty of Engineering and Architecture of Gazi University, 32 (2,): 439-448.
Karami, E. Prasad, S. & Shehata, M. (2015) Image Matching Using SIFT, SURF, BRIEF and ORB: Performance Comparison for Distorted Images. Conference: 2015 Newfoundland Electrical and Computer Engineering Conference.
Serdaroglu, A. , Ertuzun, A. & Ercil, A. (2016) Defect Detection in textile fabric images using wavelet transforms and independent component analysis. Pattern Recognition and Image Analysis., pp. 16(1):61-64
Jayanthi, N. & Sreedevi, I. (2018) Comparison of Image Matching Techniques.
Anitha, S. & Radha, V. (2010) Comparison of Image Preprocessing Techniques for Textile Texture Images.
Oni, D.I., Ojo, J.A*., Alabi, B.O., Adebayo, A.A., & Amoran, A.E. Patterned Fabric Defect Detection and Classification (FDDC) Techniques: A Review.
Chena, Q., Jessomeb, R., Maggardb, E. & Allebacha, J. P. Segmentation-Based Detection of Local Defects on PrintedPages
Hanbaya, Kazım., Talub, M. F. & Özgüvenc, Ö. F. Fabric defect detection systems and methods—A systematic, literature review.
Wang, Z., Bovik, A. C., Sheikh, H. R. & Simoncelli E. P. Image Quality Assessment: From Error Visibility to Structural Similarity.
Laganière, R. (2011) OpenCV Computer Vision Application Programming Cookbook, PACKT Publishing, Birmingham-Mumbai, 10- 200.
Peterson, L. E. (2009) K-nearest neighbor. [Online]. Available:http://scholarpedia.org/article/K-nearest_neighbor