| Popis: |
Tez (Yüksek Lisans) -- İstanbul Ticaret Üniversitesi -- Kaynakça var. ÖZET Gerçekleştirilen çalışma, görüntü işleme ile bir ürün sınıflandırma probleminin uçtan uca çözümünü içermektedir. Firma içerisinde insan gücü ile ayrıştırılan kıyma makinesi aynaları vakit kaybına ve hatalara neden olmaktadır. Problemi çözmek adına kızılötesi algılayıcı ile nesnelerin varlığı tespit edilir ardından fotoğrafları çekilir. Aynaların Hough dönüşümü ile ilk olarak dış çapı hesaplanır, sonrasında dış çapın içerisine odaklanılarak, iç kısımda bulunan dairelerin yarıçapları hesap edilir. Bulunan çemberler Naive Bayes, En Yakın Komşu, Destek Vektör Makineleri yöntemleri ile eğitilerek model oluşturulur. Bu problemin daha basit bir yöntem olan mod alma işlemi ile de çözülebileceği çalışmalar esnasında tespit edilmiştir. Model çıktısı ürünün hangi sınıfa ait olduğunu bildirmektedir. Üretim bandı içerisinde bulunan pnömatik pistonlar, üzerinde koşturulan zaman kesicili yazılım sayesinde tetiklenir ve ürünler belirlenen kutulara aktarılır. Modelin, sistem üzerinde mod alma yöntemi ile yapılan testler sonucunda % 99. 2 doğruluk ile çalıştığı tespit edilmiştir. Anahtar Kelimeler: Bilgisayarlı görü, endüstri 4. 0, görüntü işleme, otomasyon. ABSTRACT The work performed includes an end-to-end solution to a product classification problem with machine vision. Meat-grinder chucks separated by manpower within the company cause loss of time and errors. To solve the problem, chucks are detected with an infrared sensor, and the photos are taken. First the outer diameter of the chuck is calculated by Hough transform, after that, focusing inside the chuck, the radii of the inner circles are found. Found circles are trained by machine learning algorithm Naive Bayes, KNN, SVM method and models are obtained. In the study, it was determined that this problem can be solved with a simpler method, the mod operation. The output of the trained model indicates which class the product belongs to. The pneumatic pistons in the system are triggered by the time cutter software running on it and the products are separated to determined box. As a result of the tests performed on the system with the method of taking mode, it was determined that the model works with 99,2 % accuracy. Keywords: Automation, image processing, industry 4. 0, machine vision. İÇİNDEKİLER İÇİNDEKİLER . i ÖZET . ii ABSTRACT . iii TEŞEKKÜR . iv ŞEKİLLER DİZİNİ . v ÇİZELGELER DİZİNİ . vii SİMGELER VE KISALTMALAR DİZİNİ . viii 1. GİRİŞ. 1 2. LİTERATÜR ÖZETİ . 2 3. MATERYAL VE YÖNTEM . 4 3. 1. Donanımsal . 4 3. 1. 1. Bilgisayar ve mikro kontrolcüler . 4 3. 1. 3. Kamera ve aydınlatma . 7 3. 1. 4. Konveyör bant . 9 3. 1. 5. Pnömatik pistonlar . 10 3. 2. Yazılımsal . 11 3. 2. 1. Sensor ile tetikleme . 15 3. 2. 7. Görüntü işleme ile sınıflandırma . 15 3. 2. 7. Pistonların tetiklenmesi . 37 3. 2. 7. İnsan-Makine ara yüzü . 37 5. SONUÇ VE ÖNERİLER . 39 KAYNAKLAR . 41 EKLER. 44 EK A. Fotoğraflar . 45 ÖZGEÇMİŞ . 50 |
