PLC tabanlı otomatik görüntü işleme ile hatalı plastik enjeksiyon parçaların tespiti

Günümüz endüstriyel üretim süreçlerinde, verimlilik ve kalite kontrolünün optimizasyonu kritik bir gereklilik haline gelmiştir. Plastik enjeksiyon sektöründe, ürün kalitesinin tutarlılığını sağlamak, üretim verimliliği açısından büyük öneme sahiptir. Geleneksel kalite kontrol yöntemlerinin yetersiz kaldığı ve insan kaynaklı hataların yüksek olduğu durumlarda, otomasyon tabanlı sistemlerin geliştirilmesi kaçınılmazdır. Bu çalışmada, plastik enjeksiyon üretim hattında kalite kontrolünü otomatikleştirmek amacıyla PLC (Programlanabilir Lojik Kontrolör) tabanlı bir görüntü işleme sistemi tasarlanmış ve uygulanmıştır. Sistem, üretim bandındaki parçaların renk ve şekil analizini gerçek zamanlı olarak yaparak hatalı ürünlerin tespitini ve ayrıştırılmasını sağlamaktadır. OpenCV kütüphanesi kullanılarak geliştirilen görüntü işleme algoritmaları, web kamera ile elde edilen görüntüler üzerinde renk eşleştirme (HSV tabanlı segmentasyon) ve kontur analizi (kenar tespiti, geometrik şekil tanıma) işlemlerini gerçekleştirir. Tespit edilen nesneler, önceden tanımlanmış tolerans değerlerine göre sınıflandırılır. Sistemin kullanıcı arayüzü, Python Tkinter ile geliştirilmiş olup, operatörlerin; şekil ve renk eşik değerlerini ayarlamasına, algılama parametrelerini optimize etmesine, gerçek zamanlı proses izleme ve veri loglama yapmasına olanak tanımaktadır. Hatalı parçalar, PLC’ye seri haberleşme üzerinden gönderilen dijital sinyallerle otomatik olarak ayıklanarak üretim sürekliliği sağlanır. Sonuç, sistem 5 adet numune parça üzerinde 50 tekrarla test edilmiştir. Mavi daire, sarı üçgen ve turuncu kare sınıflarında %100 doğruluk ile başarı oranı sağlamıştır. Yeşil yıldız sınıfında ise doğruluk oranı %80 olarak hesaplanmıştır. Sonuçlar, geliştirilen sistemin endüstriyel ölçekte yüksek hassasiyetle çalıştığını ve insan hatalarını minimize ettiğini göstermiştir. Bu tez çalışması, geliştirilen sistemin tasarımını, algoritmaların işleyişini ve endüstriyel kalite kontrol uygulamalarındaki potansiyel kullanım alanlarını detaylı bir şekilde sunmaktadır.

In today's industrial manufacturing processes, optimizing efficiency and quality control has great importance. In the plastic injection molding sector, ensuring consistent product quality is vital for production efficiency. In cases where traditional quality control methods prove inadequate and human induced error rates remain high, the development of automation-based systems becomes inevitable. In this study, a Programmable Logic Controller (PLC)-based machine vision system was designed and implemented to automate quality control in a plastic injection molding production line. The system performs real-time color and shape analysis of parts on the conveyor belt, enabling the detection and segregation of defective products. The image processing algorithms, developed using the OpenCV library, perform color matching (HSV-based segmentation) and contour analysis (edge detection, geometric shape recognition) on images captured by an web camera. Detected objects are classified according to predefined tolerance thresholds. The system’s user interface, developed with Python Tkinter, allows operators to: adjust shape and color threshold values, optimize detection parameters, monitor the process in real time and log data. Defective parts are automatically removed via digital signals transmitted to the PLC through serial communication, ensuring uninterrupted production. As a result, the system was tested with 5 sample parts over 50 repetitions. It achieved 100% accuracy in the classes of blue circle, yellow triangle, and orange square. In the green star class, the accuracy was calculated as 80%. The results show that the developed system operates at industrial scale with high precision and minimizes human errors. This thesis presents in detail the design of the developed system, the operation of the algorithms and its potential applications in industrial quality control applications.The results demonstrate that the developed system operates with high precision on an industrial scale, significantly reducing human errors.