Metal sektörü için görüntü işleme tabanlı bir kusurlu ürün tespit sistemi

Abstract

Ürün hata tespitlerinin sayısal sistemler aracılığı ile yapılması üretim hızını artırarak üretim maliyetini azaltmaktadır. Metal sektöründe özellikle sac kesim işlemlerinde hatalı ürünlerin tespiti genellikle operatörler tarafından yapılmaktadır. Bu sektör için geliştirilecek sayısal sistem tabanlı hata kontrol sistemleri operatör kaynaklı hataların azaltılmasına ve ürün hata tespit kontrollerinin daha hassas yapılmasına olanak sağlayacaktır. Bu tez çalışmasında metal sektörü için görüntü işleme tabanlı bir kusurlu/hatalı ürün tespit sistemi geliştirilmiştir. Geliştirme süreci iki aşamalı olarak gerçekleştirilmiştir. İlk aşamada bilgisayar ortamında morfolojik işlemler ve Hough dönüşümü kullanılarak hata tespit başarımları karşılaştırmalı olarak incelenmiştir. Yapılan deneyler sonucunda her iki yaklaşımında %80’in üzerinde başarıma sahip olduğu görülmüştür. Morfolojik işlemler ile %81 ve dairesel Hough dönüşümü ile %89 başarım oranı elde edilmiştir. İkinci aşamada ise gömülü sistem olarak Raspberry Pi Model 3 B+ seçilmiş ve ilk aşamada yüksek başarım oranına sahip yöntem olan dairesel Hough dönüşümü seçilerek farklı kamera çözünürlüklerinin başarıma etkileri incelenmiştir. Ürün grubu olarak sektörde sıklıkla üretilen ve dairesel boşluklar içeren sac levhalar seçilmiştir. Kameradan alınan görüntülerden levhalar üzerindeki dairesel boşluklara ait bilgiler görüntü işleme yöntemleri kullanılarak çıkarılmıştır. Elde edilen bilgiler referans bilgiler ile karşılaştırılmış ve belirlenen tolerans içerisinde olup olmadığı kontrol edilmiştir. 10MP kamera çözünürlüğünde alınan görüntülere gömülü sistem üzerinde dairesel Hough dönüşümü uygulanarak %96,29 başarım elde edilmiştir. Deneyler sonucunda başarım oranları göz önüne alındığında geliştirilen sistemin kalite kontrol uygulamalarında kullanılabileceği görülmüştür.

Product defect detection based on digital systems increases production speed and reduces production cost. In the metal industry, especially in sheet metal cutting operations, the detection of defective products is usually done by the operators. Developing digital system based product defect detection systems for this sector will reduce operator related errors and enable more accurate product defect detection. In this thesis, a product defect detection system which is based on image processing has been developed for the metal sector. The development process is carried out in two stages. In the first stage, morphological operations and Hough transform are used in a personal computer to compare the defect detection performances. As a result of the experiments, it has been observed that both approaches have more than 80% accuracy rates. Morphological operations achieves 81% while circular Hough transform has 89% accuracy rates. In the second stage Raspberry Pi Model 3 B+ is selected as an embedded system and we consider the effect of the camera resolution on the performance by applying circular Hough transform which has higher accuracy rate in the first stage. As the product group, sheet metal plates which are produced frequently in the sector and containing circular holes have been selected. The information about the circular holes on the plates is extracted from the images taken from the camera using image processing methods. The obtained information is compared with the reference information and it is checked whether it is within the specified tolerances. The images taken with 10MP camera resolution are applied to the embedded system by using circular Hough transformation and 96.29% accuracy rate is obtained. As a result of the experiments, it has been seen that the developed system can be used in quality control applications when the accuracy rates are taken into consideration.