Yapay sinir ağları ile buğday tanelerinin kalite tespiti
Qulity detection of wheat kernels by using artificial neural networks
- Tez No: 212383
- Danışmanlar: PROF. DR. FATİH M. BOTSALI
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Buğday kalitesi, yapay sinir ağları, buğday sınıflandırma, yapay sinir ağları ile sinyal işleme, Wheat quality, artificial neural networks, wheat classification, signals processing using artificial neural networks, sunn-pest
- Yıl: 2007
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 121
Özet
Günümüzde, buğday alımında fiyat belirleme ve sınıflandırma amacıyla yapılan kalite denetimi işlemleri uzman kişiler tarafından yapılmakta, sonuçlar kişiye göre farklılıklar gösterebilmektedir. Bu olumsuzluğu giderebilmek amacıyla buğday kalitesini objektif ve hızlı biçimde algılayabilen bilgisayar destekli kalite tespit sistemlerine yoğun olarak ihtiyaç duyulmaktadır. Diğer taraftan buğday yığınları içindeki süne ve kımıl gibi zararlılar tarafından tahrip edilmiş taneler, ot tohumları ve yabancı maddeler yıkama, eleme gibi geleneksel yöntemler ile %100 oranında ayrılamamaktadır. Düşük oranlarda bile süne tahribatlı buğday taneleri içeren buğday partileri kaliteli un üretiminde kullanılamamaktadır. Süne oranı %6?20 aralığındaki buğday yığınları ise ancak hayvan yemi olarak değerlendirilebilmektedir. Bu çalışmada buğday yığınlarının içerisindeki son ürün kalitesini olumsuz yönde etkileyen süne tahribatlı tanelerin, yabancı ot tohumlarının, yabancı maddelerin ve özellikle sert camsı türlerde önemli olan dönmüş buğday tanelerinin tespitinde kullanılacak gerçek zamanlı bir sistem geliştirilmiştir. Tek sıra halinde düşen buğday tanelerinin ışık geçirgenlik özellikleri yapay sinir ağı yardımıyla değerlendirilmiştir. Buğday tanelerinin ışık kaynağı ile sensör arasından geçişi esnasında sensör üzerinde oluşan analog işaretler bilgisayar ortamına aktarılmış ve yapay sinir ağı kullanılarak gerçek zamanlı sağlıklı ve kusurlu olarak sınıflandırılmıştır. Önerilen sistem tarafından sınıflandırılmış buğday partilerinin sınıflandırma öncesi ve sınıflandırma sonrası fiziksel ve kimyasal özellikleri değerlendirilerek önerilen sistemin kullanılabilirliği irdelenmiştir. Ortalama sınıflandırma başarısı ekmeklik buğdaylarda % 85,46, makarnalık buğdaylarda % 83,96 olarak elde edilmiştir.
Özet (Çeviri)
Today, quality inspection for pricing and classification of wheat is performed by experts during purchasing of wheat. Inspection results obtained by experts shows high degree of variation. Computer aided quality inspection schemes are necessary in order to avoid variation in inspection results and to have fast and reliable results. It is impossible to eliminate all sun-pest infested kernels, weed seeds and non-wheat material during washing and cleaning operations in grinding process. Wheat parties even with a low percentage of sunn-pest infested kernels may not be used in whatflour grinding. Wheat parties containing 6-20% sun-pest infested kernels can only be used in animal feeding. In this study, a real time system that recognizes the sunn-pest infested kernels, weed seeds and non-wheat material which reduce the quality of the wheat bulk. It is also important to determine opaque kernels in hard vitreous wheat bulks. Developed system recognizes the kernels by using artificial neural network through using light transmittance data for the kernels. The kernels are classified while they pass one by one through the light source and the sensor. The analog signals generated during the pass are transferred to a digital computer and by using artificial neural network wheat kernels are classified in real time as healthy or defective. The physical and chemical properties of the wheat bulk before and after the classification process are determined and compared in order to evaluate feasibility of the suggested classification system. The mean of classification accuracies was obtained % 85,46 for bread wheat and % 83,96 for durum wheat.
Benzer Tezler
- Dinamik video görüntülerinden durum buğday tohumunun ysa algoritması ile sınıflandırılması
Classification of durum wheat seeds using ann algorithm from dynamic video images
ESRA KAYA
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL SARITAŞ
- Modeling of artificial neural networks and image processing algorithms for bread wheat quality classification
Ekmeklik buğday kalite sınıflandırması için yapay sinir ağları ve görüntü işleme algoritmalarının modellenmesi
BÜNYAMİN KAHRAMAN
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri MühendisliğiGaziantep ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPTEKİN DURMUŞOĞLU
DR. ÖĞR. ÜYESİ YUNUS EROĞLU
- Pedigri ve moleküler belirteçler ile fenotipik özellik tahmin performansının yapay sinir ağları ile karşılaştırılması
Comparison of predictive performance of phenotypic traits with pedigree and molecular markers through artificial neural networks
MUSTAFA CAN YILMAZ
Yüksek Lisans
Türkçe
2015
İstatistikYüzüncü Yıl ÜniversitesiZootekni Ana Bilim Dalı
PROF. DR. HAYRETTİN OKUT
- Arazi örtüsü ve kullanımının zamansal ve mekansal değişiminin yapay sinir ağları ile modellenmesi: Kastamonu örneği
Modeling of temporal and spatial variation modeling with artificial neural networks: Kastamonu sample
SAMET DOĞAN
Yüksek Lisans
Türkçe
2018
Ormancılık ve Orman MühendisliğiÇankırı Karatekin ÜniversitesiOrman Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ENDER BUĞDAY
- Durağan olmayan zaman serilerinde alternatif tahmin yöntemlerinin karşılaştırmalı olarak incelenmesi
A comparative investigation of alternative estimation methods in non-stationary time series
LEVENT KAYA