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
- Tez No: 472363
- Danışmanlar: DOÇ. DR. TUNCAY AYDOĞAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 104
Özet
Günümüzde gıda kaynaklı hastalıklar, genellikle patojenik mikroorganizmalar veya kanserojen toksinler içeren gıda ürünlerinin tüketilmesinden kaynaklanmaktadır. Yüksek toksik bileşenler grubunda yer alan aflatoksinler, incir, mısır, kırmızıbiber ve fındık gibi tarımsal gıda ürünlerinin büyük bir çoğunluğunda bulunan kanserojen bileşenlerdir. Gıda ürünlerindeki aflatoksin bulaşığının tespiti için yaygın olarak uzman analizi veya mikrobiyolojik yöntemler kullanılmaktadır. Mikrobiyolojik analizler, tahribatlı ve zaman alıcı süreçler içermekte olup oldukça maliyetlidir. Uzman analizi yaklaşımında aflatoksinli örneklerin Ultraviyole (UV) ışık altında göstermiş oldukları parlak yeşilimsi-sarı ışımadan (BGYF) yararlanılmaktadır. Ancak bu yaklaşım büyük oranda uzman tecrübesine bağlı öznel bir analiz olmakla birlikte, UV aydınlatma insan sağlığını tehdit etmektedir. Bu nedenle, gıda güvenliği problemlerinin çözümünde bilgisayarlı görmeye dayalı tahribatsız çözüm yöntemleri önemli bir gerekliliktir. Bu tez çalışmasının temel amacı, hiperspektral görüntüleme teknolojisi kullanarak aflatoksin ve yüzey küf kontaminasyonuna sahip incirlerin yüksek başarımla tespit edilmesine yönelik özgün yöntemler geliştirmektir. Tez çalışmasının ilk bölümünde, hiperspektral incir görüntüleri kullanılarak BGYF, aflatoksin bileşeni ve yüzey küf bileşeni arasındaki korelasyon analiz edilmiştir. Yapılan analizlerde, UV ışık kaynağı, aflatoksin bileşeni ve yüzey küf bileşeni arasında yüksek bir korelasyon tespit edilmiştir. Gerçekleştirilen çalışmanın ikinci bölümünde, aflatoksin ve yüzey küf yaklaşımı için hiperspektral görüntülerin sınıflandırılmasına yönelik etkili algoritmalar geliştirilmiş ve her iki yaklaşım içinde yüksek başarımlı sonuçlar elde edilmiştir. Son bölümde ise, örneklerin etiketleme ve sınıflandırma maliyetini düşüren yeni ve özgün bir maliyet tabanlı aktif öğrenme (mAÖ) yöntemi sunulmuştur. Önerilen mAÖ yöntemi ile eğitim kümesi için gerekli olan etiketli örnek sayısı minimum düzeye indirgenerek etiketleme maliyeti düşürülmüştür. Etiketleme maliyetinin azaltılmasına ek olarak, geliştirilen mAÖ yöntemi ile kontamine örneklerde yapılan sınıflandırma hatasının sebep olduğu yüksek sınıflandırma maliyeti minimum düzeye indirgenmiştir. Bu tez çalışması süresince geliştirilen algoritmalar farklı modalitelere sahip iki adet hiperspektral incir görüntüleri üzerinde test edilmiştir. Deneysel çalışmalarda elde edilen yüksek başarımlı sonuçlar, önerilen yöntemlerin gıda güvenliği problemlerinin tahribatsız tespitine yönelik güçlü potansiyelini göstermiştir.
Özet (Çeviri)
The foodborne diseases are usually caused by the consuming of foods infected with variety of pathogenic microorganisms and cancerogenic toxins. Aflatoxins are group of toxic carcinogenic compounds, and many of the food commodities such as fig, corn, chili pepper and nuts may expose with these cancerogenic compunds. Traditionally, the expert analysis or microbiological methods are used to detection of aflatoxin contamination in food commodities. The microbiological analyzing methods are invasive, time consuming and highly expensive. The expert analysis approach exploits the bright-greenish-yellow fluorescence (BGYF) signal of contaminated commodities under Ultraviolet (UV) light. However, the expert analysing is subjective due to the highly depends on the experience of expert, as well as UV lights threats to expert health. Therefore, the computer vision based non-invasive solutions are very reasonable requirements to food safety problems. The main goal of this thesis is developing novel and efficient methods that are non-invasive and highly accurate by using hyperspectral imaging technology to inspect aflatoxin and surface mold contaminated figs. In the first part of the thesis, pairwise correlation analysis is performed among the BGYF, aflatoxin compound and surface mold compound. The analysing results notified the strong correlation between surface mold concentration, BGYF and aflatoxin concentration. In the second part of the thesis, effective algorithms are developed to classification of hyperspectral images on the basis of the aflatoxin and surface mold approaches and, high accurate classification results are obtained for both approaches. In the last part, a novel cost sensitive active learning method (mAÖ) is presented to decrease the cost of instanse labeling and classification. The labeling cost of training samples is decreased by using the proposed mAÖ approach. In addition to the decreasing of costs of the instance labeling, the proposed mAÖ approach decreases the cost of the classification error which causes by the error of the contaminated class. In this thesis, the developed algorithms are tested by two different hyperspectral fig datasets which posses different modalities. The obtained high accurate experimental results demonstrate that the proposed methods have strong potential to non-invasive solutions for food safety problems.
Benzer Tezler
- Evrişimli sinir ağları kullanılarak hiperspektral görüntülerin sınıflandırılması
Classification of hyperspectral images using convolutionalneural network
ALİ GÜNDÜZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ZEYNEP ORMAN
- Hiperspektral görüntülerde yarı güdümlü öğrenme teknikleri
Semi supervised learning techniques on hyperspectral images
MUHAMMET SAİD AYDEMİR
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN
- Augmented superpixel based anomaly detection in hyperspectral imagery
Hiperspektral görüntülerde genişletilmiş süperpiksel tabanlı anomali tespiti
EZGİ GÖKDEMİR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SÜHA TUNA
- Hyperspectral imaging and machine learning of texture foods for classification
Dokulu gıdaların sınıflandırılmasında hiperspektral görüntüleme ve makine öğrenmesi
MUSA ATAŞ
Doktora
İngilizce
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilişim Sistemleri Bölümü
PROF. DR. YASEMİN YARDIMCI ÇETİN
YRD. DOÇ. DR. ALPTEKİN TEMİZEL
- Hiperspektral görüntü analizinde ileri spektral ve uzamsal yöntemler
Advanced spectral and spatial methods for hyperspectral image analysis
İBRAHİM ONUR SIĞIRCI
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BİLGİN