Görüntü işleme teknikleri ve yapay zeka yöntemleri kullanarak atık su arıtmada performans analizlerinin incelenmesi
Investigation of the performance analysis in wastewater treatment using image processing techniques and artificial intelligence methods
- Tez No: 380815
- Danışmanlar: DOÇ. DR. YÜKSEL ÖZBAY
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Çevre Mühendisliği, Electrical and Electronics Engineering, Environmental Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 138
Özet
Çamur hacim indeksi (ÇHİ) atıksu arıtma tesislerinin performans takibinin yapılabilmesi için günlük olarak izlenmesi gereken bir parametredir. Bu parametrenin görüntü işleme ve yapay zekâ teknikleri kullanılarak tahmin edilmesi amaçlanmıştır. Bunun için aktif çamur numuneleri Konya Kentsel Atıksu Arıtma Tesisi aktif çamur ünitesinin havalandırma tankından alınmıştır. Mikroskoptan görüntüleri otomatik almak için motorlu XY platform ve kameralı bir sistem kurulmuştur. Her numuneden sistematik bir şekilde 49 (7x7) adet görüntü alınarak toplam 120 numune incelenmiştir. Bu işlemlerin kolay ve otomatik bir şekilde yapılabilmesi için kullanıcı arayüzü tasarlanmıştır. Alınan görüntülerin flok ve filament yapıları incelenmiş ve bu yapıların bölütlenmesinde dalgacık dönüşümü, uzaysal frekans ve hücresel sinir ağları (HSA) birlikte kullanarak yeni bir bölütleme yöntemi sunulmuştur. Bu yöntemde her bir görüntünün özelliğine göre HSA'nın iterasyon sayısı değiştirilmiştir. Farklı özelliklere sahip atıksu görüntülerinin, içeriğinden bağımsız olarak bölütlenmesi sağlanmıştır. Flok ve filamentleri doğru şekilde ve ayrı ayrı tespiti için bir dizi morfolojik işlemler uygulanmıştır. Ayrıca protozoaların aktif çamurda bulunmaları arıtma teknolojisi açısından önemli olduğundan protozoaların yerlerinin otomatik bulunmasında aktif kontur yöntemi kullanılmıştır. Flok ve filamentlerin morfolojik karakterizasyonu aktif çamur durumunun değerlendirilmesinde önemli bir rol oynadığından bunlara ait özellikler belirlenmiştir. Bu özelliklerin belirlenmesinde yoğunluk, şekilsel ve istatistiksel yaklaşımlardan yararlanılmıştır ve her güne ait veri seti oluşturulmuştur. Veriler rastgele karıştırılıp 5-kat çapraz doğrulama yöntemi ile eğitim ve test verileri elde edilmiştir. Bu eğitim ve test verileri yapay sinir ağına uygulanmıştır. YSA'nın ağırlıkları Levenberg-Marquardt, Genetik Algoritma ve ARI algoritması ile eğitilmiştir. Korelasyon katsayılarının ortalamaları LM-YSA, GA-YSA ve ARI-YSA için sırasıyla r=0.896, r=0.902 ve r=0.915 hesaplanmıştır. Elde edilen sonuçlar görüntü işleme ve yapay sinir ağlarının ÇHİ tahmininde başarılı bir yöntem olarak uygulanabileceğini göstermiştir.
Özet (Çeviri)
The sludge volume index (SVI) is a required parameter to be monitored for the performance of wastewater treatment plants on a daily basis. This parameter was intended to be estimated using image processing and artificial intelligence techniques. For this, activated sludge samples was taken from the aeration tank of the activated sludge process in Konya Domestic Wastewater Treatment Plant. Motorized XY platform and camera system has been established to auto-scan the image from the microscope. 49 (7x7) images from every each sample has been scanned in a systematically. Total of 120 samples were examined. A user interface is designed for making this operation easily and automatically. Floc and filament structures of the images were examined. A new method was developed using cellular neural networks (CNN), spatial frequency and wavelet transform in segmentation of the activated sludge images. In this method, number of iterations of CNN was changed according to the properties of each image. The images with different characteristics of wastewater were segmented regardless of content. Then, a number of morphological operations are applied to correctly determine the floc and filaments separately. Furthermore, the active contour method is used to detect the location of protozoans which are important in the activated sludge. Morphological characterization of floc and filament plays an important role in the evaluation of activated sludge. Their morphological properties were determined. Density, shape and statistical approaches have been utilized to create a set of data for each day. The training and test data have been obtained by randomly mixed the data and applied 5-fold cross-validation method. This training and test data were applied artificial neural network. The weights of the neural network were trained with Levenberg-Marquardt, Genetic and Artificial Bee Colony algorithms. The averages of the correlation coefficients for LM-ANN, GA-ANN and ABC-ANN models were calculated as r=0.896, r=0.902 and r=0.915, respectively. The obtained results have shown that image processing and artificial neural networks can be applied as a successful method for prediction of SVI.
Benzer Tezler
- Uzaktan algılama verileri kullanarak derin öğrenmeye dayalı arazi kullanımı ve arazi örtüsü haritalama modeli geliştirme
Developing a deep learning-based land use and land cover mapping model using remote sensing data
ŞAZİYE ÖZGE ATİK
Doktora
Türkçe
2021
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. CENGİZHAN İPBÜKER
- Investigation of artificial intelligence-based point cloud semantic segmentation
Yapay zeka tabanlı nokta bulutu semantik bölümlendirmesinin incelenmesi
MUHAMMED ENES ATİK
Doktora
İngilizce
2022
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAİDE DURAN
- Görüntü işleme teknikleri ve yapay zeka yöntemleri kullanarak görüntü içinde görüntü arama
Image searching inside another image using image processing techniques and artificial intelligence methods
MEHMET KARAKOÇ
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KADİR KAVAKLIOĞLU
- Evolutionary feature optimization for plant leaf disease detection by deep neural networks
Bitki yaprak hastalık teşhisi için derin sinir ağları ile evrimsel özellik optimizasyonu
JALAL SADOON HAMEED AL BAYATI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. BURAK BERK ÜSTÜNDAĞ
- Yapay zekâ tabanlı görüntü işleme yöntemleri ile COVID-19 tahmini
COVID-19 prediction with artificial intelligence based image processing methods
BURAK YAĞIN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DOÇ. DR. EMEK GÜLDOĞAN