GÖRÜNTÜ İŞLEME İLE ÖRME KUMAŞLARDA BONCUKLANMA DEĞERLENDİRMESİ


Baltacı K., Çınar S. İ., Yolcu İ., Ülgen İ., Şenyiğit E., Yaşar G.

3rd International Conference on Applied Engineering and Natural Sciences, Konya, Türkiye, 20 - 23 Temmuz 2022, cilt.1, sa.1, ss.9

  • Yayın Türü: Bildiri / Özet Bildiri
  • Cilt numarası: 1
  • Basıldığı Şehir: Konya
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.9
  • Erciyes Üniversitesi Adresli: Evet

Özet

  Tekstil sektöründe örme kumaşlarda meydana gelen estetik açıdan sıkıntı oluşturan, ilerleyen süreçte 

kumaşta hasarlı görünüme yol açan boncuklanma önemli bir kalite problemidir. Kumaşlar müşteriye teslim 

edilmeden önce laboratuvar ortamında Martindale Yöntemi ile kumaş türüne göre öncesinde belirlenen 

devir hızında test edilir. Uzman kişiler gözle muayene ile test sonucunda kumaşın boncuklanma derecesine 

karar  verir.  Bu  çalışmada  tekstil  sektöründe  önemli  bir  kalite  problemi  olan  örme  kumaşlardaki 

boncuklanmaların geleneksel ve göreceli olan gözle muayene değerlendirmesinin yerine daha teknolojik 

ve objektif bir değerlendirme sağlayan karar destek yazılımı geliştirmek amaçlanmıştır. Çalışma, yazılım 

için gerekli numune kumaş görüntüleri alındıktan sonra Python programı Pycharm arayüzü ve OpenCV 

görüntü  işleme  kütüphanesi  kullanılarak  yürütülmüştür.  Görüntüler,   Iphone   8   plus   ile   işletmede 

uzmanların boncuklanma derecesini belirlerken kullandıkları özel ışıklı kabinde çekilmiştir. Kumaşın 

kenarlarını belirlemek ve kumaş yüzeyindeki boncuklanmaları belirgin hale getirmek için filtreleme 

çalışmaları   yapılmıştır.  Programın  karar  mekanizmasını  oluşturmak  için  programda  işlenen  numune 

verileri  toplanarak  Weka  Programı  aracılığıyla  veri  madenciliği  sınıflandırma  çalışması  yapılmıştır.

Çalışma,  Kayseri  Organize  Sanayi  Bölgesinde  faaliyet  gösteren  AYDIN  TEKSTİL  TİCARET  VE 

PAZARLAMA  A.Ş.’de  gerçekleştirilmiştir.  Çalışma,  1139B12103030  kodlu  2209-B  Sanayiye  Yönelik 

Lisans  Araştırma  Projeleri  kapsamında  TÜBİTAK  tarafından  desteklenmektedir.  Bu  bildiride  proje 

kapsamında  elde  edilen  ilk  sonuçlar  paylaşılmıştır.  Çalışmada  44  örnek  kullanılmıştır.  Sınıflandırma 

çalışması sonucunda en iyi sonuç %73,33 performans ile J48 algoritmasında elde edilmiştir.