Affiliation:
1. NİŞANTAŞI ÜNİVERSİTESİ
Abstract
Kalite ölçümü, ürünlerin belirli bir standarda uygunluğunu değerlendirmek için kullanılan bir süreçtir. Bu sürecin yapılmasında hem yapay görme sistemleri (bilgisayarlı görme, görüntü işleme gibi) hem de insanlar kullanılabilir. Yapay görme sistemleri, özellikle büyük veri setlerini hızla analiz edebilme yetenekleri sayesinde yüksek verimlilik sağlayabilir. Tekrarlanabilir sonuçlar elde etme konusunda insan faktörü dezavantajlı olduğu için nesnel sonuçlar elde edilebilir. Ancak, yapay görme sistemlerinin eğitimi ve kalibrasyonu gereklidir, bu da zaman ve kaynak gerektirir. İnsanlar ise deneyim ve uzmanlık sahibi oldukları durumlarda özellikle karmaşık veya öznel değerlendirmelerde daha üstün olabilirler. Özellikle sanatsal veya estetik değerlendirmeler gibi konularda insan görüşü daha değerli olabilir. Yapay görme sistemleri ön işleme ve hızlı analiz sağlarken, insanlar öznel veya karmaşık değerlendirmelerde son kararı verebilirler. Hangi yöntemin kullanılacağına karar verirken, ölçümün doğası, karmaşıklığı ve gereksinimler göz önünde bulundurulmalıdır.
Publisher
Abant Izzet Baysal University Graduate School of Social Sciences
Reference39 articles.
1. Abagiu, M., Cojocaru, D., Manta, L., ve Mariniuc, A. (2023). Detecting Machining Defects İnside Engine Piston Chamber With Computer Vision And Machine Learning. Sensors, 23(2), 785. https://doi.org/10.3390/s23020785
2. Akyurt, İ. (2020). Gıda Sektöründe Istatistiksel Proses Kontrolü: Endüstriyel Ekmek Üretim Tesisi Uygulaması.
Erzincan Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 13(1), 235-257. https://doi.org/10.18185/erzifbed.605670
3. Arsalan, M., ve Aziz, A. (2012). Low-cost Machine Vision System for Dimension Measurement of Fast Moving
Conveyor Products. International Conference on Open-Source Systems s.22-27. 10.1109/ICOSST.2012.6472822.
4. Ataş, M., ve Doğan, Y. (2015). Classification of Closed and Open Shell Pistachio Nuts by Machine Vision. International Conference on Advanced Technology Sciences, Antalya.
5. Banus, N., Boada, I., Xiberta, P., Toldra, P., ve Bustins, N. (2021). Deep Learning For The Quality Control Of
Thermoforming Food Packages. Scientific Reports, 11(1). https://doi.org/10.1038/s41598-021-01254-x