Fabric defect detection using image processing techniques

Abstract

Bu tezin amacı görüntü işleme tekniklerinin kullanarak kumaş hatası algılama sistemi tasarlamaktır. Hata algılama işlemi tekstil endüstrisinde önemli bir yer tutar. Kumaş hatalar, üreticiler için istenmeyen kayıplara ve üretim karının azalmasına sebep olur. Bu nedenle, hatalı ürün üretimini azaltmak için, kumaş kontrol uzmanları kullanılmıştır. Ancak uzmanlar, yorgunluk, bıkkınlık ve dikkatsizlik gibi insani durumlardan sıkça etkilenmesi hataları algılama yüzdelerini düşürür. Bu gibi sebeplerden dolayı tekstil endüstrisi yeni metotlar geliştirmeye başladı. Bilgisayar görüntüleme sistemleri, yazılım ve donanımdaki yeni gelişmeler tekstil endüstrisinde hata algılama sistemlerinin etkililiğini arttırmak ve geliştirmekte kullanıldı. Bu çalışmada, DOOG filtreleri, fabrika kumaş hatası algılama sisteminin ana parçası olarak kullanıldı. DOOG filtreleri şimdiye kadar, tekstil hata tespit sistemlerinde kullanılmadı fakat dokuların analizinde başarılı sonuçlar vermiştir. Kumaşlar simetrik ve düzenli bir yapıya sahiptirler, hatalar ise bu düzenliliği bozan yapılardır. Kumaşların bu yapısından dolayı, DOOG filtrelerini kumaşlar ile yapılan çalışmalarda iyi sonuçlar verir. DOOG filtresi kolayca anlaşılabilir ve basit bir yapıya sahiptir. Tasarlanan sistem, filtreleri resimlere uygularken önce filtreleri ve kumaş resmini frekans uzayına çevirip konvolusyon işlemini gerçekleştirdikten sonra tekrar zaman uzayına çevirerek işlemi tamamlar. Bu aşamadan sonra hatalı alanlar hakkında bilgiler elde ederiz. Bu bilgileri daha da belirleyici hale getirmek için, histogram analizi ve eşikleme işlemleri kullanılır. Hataların bulunmasında ve sistem performansını test ederken gerçek kumaşlar kullanılmıştır. Bu da kumaş hataları algılama sistemini daha başarılı şekilde test edebilmemizi sağlamıştır. Sonuçlar bütün kumaş hatalarının doğru olarak tanımlanabildiğini göstermektedir. The aim of this thesis is to design a defect detection system using image processing techniques. Inspection process is very important for textile industry. Defects decrease the profits of manufacturersand cause undesirable loses. Therefore, to reduce loses manufactures initially started to employ experts to detect the currently available defects on the fabrics. However, human experts have some drawbacks such as tiredness, boredom, and inattentiveness which cause to reduce the detection of faults. Because of that reason, textile industry started to develop new methods. Fortunately, the computer vision technologies with new developments in software and hardware have been applied to textile industry to increase the effectiveness of defect detection system. In our work, Difference of offset Gaussian (DOOG) filter has been used as the main part of fabric defect detection system. So far DOOG filter have not been used in textile defect detection systems. But, it was used for analysing the textures.Fabric patterns have symmetric and regular structures and whereas the defects disrupt the regularity. It is suitable condition to apply DOOG filters to images. DOOG filter is easily understandable and have simple structure. The system first transfers the filter and image in frequency domain then calculate the convolution of them. After this, filtered image convert back to time domain and the results can give information about the defects. In addition to DOOG filter, histogram analysis and thresholding is used to increase the detection of faults. In finding the faults and testing the system performance real fabric images are used. This provided a real test to the detection system. The results have shown that all of the defects have been correctly identified.