Hyperspectral imaging and machine learning of texture foods for classification
Dokulu gıdaların sınıflandırılmasında hiperspektral görüntüleme ve makine öğrenmesi
- Tez No: 309640
- Danışmanlar: PROF. DR. YASEMİN YARDIMCI ÇETİN, YRD. DOÇ. DR. ALPTEKİN TEMİZEL
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Enformatik Enstitüsü
- Ana Bilim Dalı: Bilişim Sistemleri Bölümü
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 158
Özet
Bu doktora çalışmasının temel amacı hiperspektral görüntüleme ve makine öğrenmesi ile aflatoksinli pul biberleri temiz biberlerden, hızlı ve tahribatsız bir şekilde ayırabilecek bir bilgisayarla görü sistemi geliştirmektir. Türkiye'nin değişik bölgelerinden toplanmış değişik biberlerin halojen ve UV altındaki hiperspektral görüntüleri elde edilmiştir. Nicemlenmiş ardışık bantların piksel farklarının mutlak değeri temelli yeni bir öznitelik kümesi önerilmiştir. Spektral bant enerjisi ve ardışık bantların piksel farklarının mutlak değeri kullanılarak elde edilen öznitelikler ile Teager enerji işlemi ve iki boyutlu dalgacık dönüşümü Yerel Ayırtaç Tabanları (YAT) temelli öznitelikler karşılaştırılmıştır. Öznitelik seçimi için Fisher ayrımsallık gücü, bilgi teorisi yaklaşımı en küçük fazlalık en büyük ilişki (KFBİ) ve önerilen çok katmanlı algılayıcı (ÇKA) tabanlı teknikler kullanılmıştır.Son olarak, Doğrusal Ayrımsallık Sınıflandırıcısı (DAS), Destek Vektör Makineleri (DVM) ve Yapay Sinir Ağları (YSA) modelleri sınıflandırıcı olarak kullanılmıştır. Ortalama doğruluk başarım ölçütüne göre ÇKA`ların daha iyi sonuçlar verdiği gözlemlenmiştir. Önerdiğimiz yöntemlerin başarımı ve gürbüzlüğü, değişik veri kümeleri üzerinde gösterilmiştir. Yüksek sınıflandırma başarımı ve gürbüz sınıflandırıcı elde etmek için, halojen ışıklandırma ile birlikte ardışık spektral bantların mutlak değer fark özniteliklerinden meydana gelen bilgisayarla görü sisteminin kullanılması tavsiye edilmektedir.
Özet (Çeviri)
In this thesis the main objective is to design a machine vision system that classifies aflatoxin contaminated chili peppers from uncontaminated ones in a rapid and non-destructive manner via hyperspectral imaging and machine learning techniques. Hyperspectral image series of chili pepper samples collected from different regions of Turkey have been acquired under halogen and UV illuminations. A novel feature set based on quantized absolute difference of consecutive spectral band features is proposed. Spectral band energies along with absolute difference energies of the consecutive spectral bands are utilized as features and compared with other feature extraction methods such as Teager energy operator and 2D wavelet Linear Discriminant Bases (2D-LDB). For feature selection, Fisher discrimination power, information theoretic Minimum Redundancy Maximum Relevance (mRMR) method and proposed Multi Layer Perceptron (MLP) based feature selection schemes are utilized.Finally, Linear Discriminant Classifier (LDC), Support Vector Machines (SVM) and MLP are used as classifiers. It is observed that MLP outperforms other learning models in terms of predictor performance. We verified the performance and robustness of our proposed methods on different real world datasets. It is suggested that to achieve high classification accuracy and predictor robustness, a machine vision system with halogen excitation and quantized absolute difference of consecutive spectral band features should be utilized.
Benzer Tezler
- Farklı dalga boylu görüntülerle buğday sınıflandırılması
Wheat classification with different wavelength images
DUYGU ZEYNEP DEMİREZ ÖRS
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EROL SEKE
- Hiperspektral görüntüleme ve makine öğrenmesi teknikleri ile küflü kuru incirlerin tahribatsız olarak tespiti
Hyperspectral imaging and machine learning techniques for non-invasive detection of fungal contaminated dried figs
ALİ GÜNEŞ
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUNCAY AYDOĞAN
- Hiperspektral görüntülerin eğiticisiz bölütlenmesi
Unsupervised segmentation of hyperspectral images
GÖKHAN BİLGİN
Doktora
Türkçe
2009
Bilim ve TeknolojiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SARP ERTÜRK
PROF. DR. TÜLAY YILDIRIM
- Classification of hyperspectral images with ensemble learning methods
Hiperspektral görüntülerin topluluk öğrenme yöntemleri ile sınıflandırılması
UĞUR ERGÜL
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN
- Hiperspektral görüntülerin sınıflandırılmasında uzamsal-spektral yaklaşımlar
Spatial-spectral approaches in classification of hyperspectral images
HASAN ALİ AKYÜREK
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BARIŞ KOÇER