Geri Dön

Görüntü işleme tekniği ile ekmeklik buğday çeşidinde kaliteye esas bazı özelliklerin belirlenmesi

Determintion of some quality parameters of bread wheat with image processing

PDF İndir

  1. Tez No: 335242
  2. Yazar: ABBAS MASOUMI
  3. Danışmanlar: PROF. DR. ENGİN ÇAKIR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ziraat, Agriculture
  6. Anahtar Kelimeler: Buğday kalitesi, Görüntü işleme, Sınıflandırma, Yapay sinir ağları, Diskriminant analiz, Wheat quality, Classification, Image processing, Artificial neural network, Discriminant analysis
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Tarım Makineleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 131

Özet

Tarımsal ürünlerde kalite, pazarlamada önemli faktörlerden biridir. Bu nedenle, kalite kontrol sistemlerinde sınıflandırma makineleri önemli bir yer tutar. Günümüzdeki sınıflandırma makinelerindeki en etkin yöntem görüntü işlemedir.Bu çalışmanın amacı, CUMHURİYET-75 ekmeklik buğday çeşidinin bazı kalite kriterlerinin; kırık tane, yabancı ot (yabani hardal ve yabani yulaf), ve diğer hububat (mısır ve arpa), ?MATLAB? programı yardımıyla görüntü işleme ve yapay sinir ağı (YSA) tekniklerini kullanarak belirlenmesidir. Bu amaçla, farklı oranlarda yabancı madde, kırık tane ve diğer hububatların bulunduğu bir birinden ayrı olarak yerleştirilmiş 100 taneden oluşan buğday örneklerinin görüntüleri bir dijital kamera vasıtasıyla 3 farklı arka plan ve 3 farklı ışık ortamında alınarak, Matlab programında yapay sinir ağları yöntemiyle değerlendirilmiştir. Buğday örneklerinin kalitesinin belirlenmesinde değerlendirme kriteri olarak tahıl morfolojisi, doku ve rengi dikkate alınmıştır. Buğday örneklerinden görüntü alabilmek için görüntüleme odası hazırlanmış ve örneklere ait resimleri işlemek için Matlab?da bir program yazılmıştır. Morfoloji özellikleri için tohumların alanı ve 16 faktör seçilmiştir. Doku özellikleri için, kontrast, homojenlik, korelasyon, enerji ve entropi hesaplanmıştır. Renk özellikleri için, görüntülerin ortalaması, varyans, standart sapma, çarpıklık ve basıklık değerleri RGB (Kırmızı, Yeşil, Mavi), NTSC ve l*a*b* renk uzaylarında çıkarılmıştır. Daha etkili parametreleri belirlemek için, SPSS yazılım paketi ile kademeli diskriminant analizi her tane için yapılmıştır. SPSS sonuçlarından, 6 morfoloji özellikleri, 1 doku ve 11 renk özellikleri bir Çok Katmanlı Perseptron (ÇKP) YSA?nın girişleri olarak elde edilmiştir.viEn iyi YSA belirlemek için farklı yapılarda ağlar kurulmuştur. En iyi YSA?da verilerin % 60 eğitim aşamasında, onaylama için % 20 ve test edilmesi için ise % 20 kullanılmıştır. Buğday kalitesinin belirlenmesinde genel başarı oranı % 97 olarak elde edilmiştir.

Özet (Çeviri)

Quality of agricultural products is one of the most important factors in marketing. For this reason, grading machineries have a great impact on quality control systems. The most efficient method in the present grading machineries is of image processing.The objective of this study was to determine some quality parameters; broken kernels, foreign materials (Sinapis Arvensis and Avena sterilis), other cereals (corn and barley) by using image processing and artificial neural network (ANN) with Matlab software. For this purpose, samples of one layer of 100 singulated wheat kernels including different percentage of broken kernels, foreign materials and other cereals were prepared and their images were taken by digital camera under 3 different backgrounds with 3 different illuminations. Later, images were evaluated with Matlab software using artificial neural network. The evaluation criteria for determining the quality of the wheat kernels were based on grain morphology, texture and colour. In order to capture images from the samples, an image chamber was developed and a program was coded in Matlab for segmentation of the samples. Area and 16 factors for describing shapes of grain were chosen as morphology features. For texture features; entropy, contrast, correlation, homogeneity, and energy, for colour features; average, standard deviation, variance, skewness and kurtosis values of images in RGB, NTSC and l*a*b* colour spaces were extracted.To identify the best classification parameters, a total of 6 morphological features, 1 texture and 11 color features were extracted from color images of kernels by stepwise discriminant analysis with the SPSS software package and used as inputs to a Multi-layer Perceptron (MLP) neural network. viiiNetworks with different configurations to determine the best neural network has been established. In the best neural network, 60 % images were used in the training stage of ANN, 20 % images for validation, and testing of the ANN was performed with 20 % images. The overall success classification rate was 97 %.

Benzer Tezler

  1. Tez No

    772023

    Hızlı ıslah yöntemiyle geliştirilen ekmeklik ve makarnalık buğday popülasyonlarında tanenin fiziksel özelliklerinin görüntü işleme algoritmalarıyla belirlenmesi ve yapay zeka teknikleriyle sınıflandırılması

    Determining the physical properties of grain in bread and durum wheat populations developed by rapid breeding by image processing algorithm and classification with ai techniques

    MESUT ERSİN SÖNMEZ

    Doktora

    Türkçe

    Türkçe

    2022

    BiyomühendislikKaramanoğlu Mehmetbey Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    PROF. DR. NEVZAT AYDIN

    DOÇ. DR. KADİR SABANCI

  2. Tez No

    197480

    Determination of some physical properties of wheat grains by using image analysis

    Buğday tanelerinin bazı fiziksel özelliklerinin görüntü işleme tekniğiyle belirlenmesi

    HANDE YILDIZ DEMİRBAŞ ALGAÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2006

    ZiraatAtatürk Üniversitesi

    Tarım Makineleri Ana Bilim Dalı

    PROF.DR. İLKNUR DURSUN

  3. Tez No

    495198

    Görüntü işleme tekniği ile korunan alanlarda kaynak değeri oluşturan yaban hayvanlarının envanterine yönelik tür ve sayı tespiti yapılması

    Image processing techniques in the protected areas that make up the value of the resource identified by making the type and number for the inventory of wild animals

    KADİR KAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik MühendisliğiAfyon Kocatepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İSMAİL YABANOVA

  4. Tez No

    574351

    Görüntü işleme tekniği ile granüler zeminlerde dane boyutu analizi

    Grain size analysis in granular soils with image processing technique

    MERT AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İnşaat MühendisliğiMersin Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TALAS FİKRET KURNAZ

  5. Tez No

    826870

    Görüntü işleme tekniği ile marul bitkisinin kütlesinin belirlenmesi

    Determination of lettuce plant mass using image processing technique

    MEHMET HAN İNYAYLA

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    ZiraatAydın Adnan Menderes Üniversitesi

    Tarım Makineleri Ana Bilim Dalı

    PROF. DR. SAADETTİN YILDIRIM

Geri Dön