Endüstriyel Kusur Tespiti — Klasik Görüntü İşleme
Proje Hakkında
Bu proje, 256x256 boyutundaki ürün görüntüleri üzerinde beş farklı yüzey kusuru türünü (normal, çizik, leke, eksik parça, deformasyon) sınıflandıran ve konumlandıran, derin öğrenme yerine klasik görüntü işleme teknikleri kullanan otomatik bir görsel kalite kontrol sistemidir.
Boru hattı, aday kusur bölgesini segmentlemek için Top-Hat ve Black-Hat morfolojik filtrelemeyi Canny kenar tespitiyle birleştirir; alan, en-boy oranı, doluluk oranı, parlaklık, merkeze uzaklık gibi 10 elle tasarlanmış özellik çıkarır ve 200 ağaçlı bir Random Forest ile sınıflandırma yapar. Ham segmentasyon, bulanık geçiş pikselleri nedeniyle kusur boyutunu genellikle olduğundan büyük tahmin ettiğinden, sınırlayıcı kutular eğitim setinden öğrenilen sınıf başına bir küçültme faktörüyle düzeltilir.
Sadece 75 eğitim görüntüsü (sınıf başına 15) ve tutarlı görsel imzalara sahip sentetik bir veri setiyle, derin öğrenme ciddi şekilde ezberlemeye (overfitting) yol açardı. Klasik görüntü işleme + Random Forest yaklaşımı, doğrulama setinde 0.96, gizli test setinde ise 0.97 makro F1 skoruna ulaştı; birleşik nihai skor 0.90/0.91 oldu — bunların tümü GPU kullanılmadan ve saniyeler mertebesinde eğitim süreleriyle elde edildi.
Önceki bir iterasyonda, sınıfa özel dedektörler (çizikler için Hough doğru dönüşümü, lekeler için LAB renk sapması, kenar kusurları için dışbükey gövde farkı) tek bir genel Top-Hat/Black-Hat + Canny dedektörüne karşı test edildi. Genel yöntem tüm sınıflarda daha başarılı çıktı ve bakımı daha kolay olduğundan tüm kusur türleri için benimsendi.
